这里有10本书，陪你欢度机器学习的清凉暑假 | 丰盛的传送门

学习栗 编译自 GitHub
量子位 出品 | 公众号 QbitAI

你的暑假可能还没到，但机器学习的假期书单已经提前出炉了。

想到假期还可以好好学习，是不是一下子就有动力复习了呢？

必备解暑神器

1. Python Data Science Handbook

作者 Jake VanderPlas

这本书介绍了一些核心库，用Python处理数据的时候，就能感受到它们的珍贵。

具体来说，就是IPython, Numpy, Pandas, Matplotlib, Scikit-Learn，以及相关的软件包。

啃食此书之前，需熟悉Python语言。如需要这门语言的迅速入门之径，请选用A Whirlwind Tour of Python (Python旋风之旅) 。而这也不是小白友好的选择，只是为计算机相关研究人员准备的快速入门。

传送门：
https://jakevdp.github.io/PythonDataScienceHandbook/

2. Neural Networks and Deep Learning

作者 Michael Nielsen

这本在线书，分为两个部分——

· 神经网络，一种唯美的、从万物生长中汲取灵感的编程范式，让计算机能够从数据中学习。

· 深度学习，一系列强有力的技术，让神经网络壮大起来。

神经网络加深度学习，可以给许多问题找到更好的解决方案，在图像识别、语音识别以及自然语言处理中，皆有用武之地。

此书涵盖的是，大量的核心概念。

传送门：
http://neuralnetworksanddeeplearning.com/

3. Think Bayes

作者 Allen B.Downey

这本书讲的是，怎样用计算方法处理贝叶斯统计。

作为Think X系列的一员，此书的思路是，如果你会编程，就可以用这项技能来学习其他科目了。

大多数讲贝叶斯统计的书，用的都是数学符号，也是以数学概念为脉络走的。

此书则用Python代码代替数学符号，用离散近似代替连续数学。

于是，数学里的积分变成了求和，概率分布的运算大多成了简单的环。

中文版已出版，资源自寻，以下为英文版地址。

传送门：
http://greenteapress.com/wp/think-bayes/

4. Machine Learning & Big Data

作者 Kareem Alkaseer

这是一部没有完成的作品，随着时间推移内容也慢慢丰盈。

背后的想法是，在理论和实践之间获得平衡，让软件工程师可以轻松使用模型，又不用太依赖库。

大多数情况下，模型背后的概念或技术都比较简单直观，但是细节和术语上就容易出问题。

另外，现有的库通常都可以解决手边的问题。但它们大多还是有自己的抽象方法和结构，把基本概念藏在背后了。

这本书的存在，就是想要把那些隐藏的概念厘清。

传送门：
http://www.kareemalkaseer.com/books/ml

5. Statistical Learning with Sparsity: The Lasso and Generalizations

作者 Trevor Hastie, Robert Tibshirani, Martin Wainwright

在过去的十年里，计算和信息技术呈现爆炸式增长。随之，医疗、生物、金融、时常等等领域都有了大大大量的数据。

这部作品，在一个通用的概念框架之下，描述了一些统计学和数据科学的重要观点。

传送门：
https://web.stanford.edu/~hastie/StatLearnSparsity/

6. Statistical inference for data science

作者 Brian Caffo

本书是Coursera课程Statistical Inference (推论统计学) 的配套书，也是Data Science专项课程的一部分。

不过，就算不上课，也可以学这本书。Coursera课程视频可以在油管上找到，搭配食用疗效更佳。

此书是推论统计学的入门之书，面向的主要是有编程能力的学生，帮他们把这样的能力用到数据科学或者统计学中。

传送门：
https://leanpub.com/LittleInferenceBook/read

7. Convex Optimization

作者 Stephen Boyd， Lieven Vandenberghe

凸优化，是一类特殊的数学优化问题，最小二乘法和线性规划也属于这个类别。

最小二乘法和线性规划问题拥有非常完善的理论，可以用编程来轻松解决。

而这本书要说的是，凸优化中包含了更宽广的一类问题，但也依然可以用编程碾压。

传送门：
http://stanford.edu/~boyd/cvxbook/

8. Natural Language Processing with Python

作者 Steven Bird, Ewan Klein, Edward Loper

这是一本关于自然语言处理 (NLP) 的书，英语、汉语等人类使用的语言都是系统处理的对象。

与编程语言不同，自然语言在代代相传的过程中发生演变，很难用明确的规则来解析其中的含义。

不过，人类还是要让计算机去理解自然语言。这本书，是基于Python以及一个名为自然语言工具包 (NLTK) 的开源库，写成的。

英文版传送门：
https://www.nltk.org/book/
中文版传送门：
https://blog.csdn.net/feng98ren/article/details/79400377

9. Automate the Boring Stuff with Python

作者 Al Sweigart

你有没有花好几个小时给文件重命名、或者更新表格里的几百个单元格的经历？

这么痛苦的重复工作，还是交给电脑比较好。

跟着这本书，可以学到怎样用Python写程序来代替你完成那些繁复的操作。

新手友好，无需经验。

传送门：
https://automatetheboringstuff.com/

10. Social Media Mining: An Introduction

作者 Reza Zafarani, Mohammad Ali Abbasi, Huan Liu

过去10年里，社交媒体的发展革新了人们互相交流的方式，以及各行各业开展业务的方式。

在社交媒体上，通过互动、分享以及内容消费，每个个体都在以前所未有的速度产生数据。

理解并处理这类新的数据，从而搜集可用的规律——这给跨学科研究、新算法以及工具的开发，带来了机遇和挑战。

此书整合了社交媒体、社交网络分析以及数据挖掘的相关内容，为学生、数据从业者和研究人员提供一个平台，来初步了解社交媒体挖掘，以及它潜在的可能性。

中文版已出版，资源自寻，以下为英文版地址。

传送门：
http://dmml.asu.edu/smm/SMM.pdf

献给即将无法自拔的你

虽然，还有几十天才到暑假，不过放了假也要好好学习哟，毕竟开学之后还要补考嘛。

如果十本太少的话，可以前往以下地址，还有十本书供您继续沉迷：
https://www.kdnuggets.com/2017/04/10-free-must-read-books-machine-learning-data-science.html

— 完 —

活动报名

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态