近期六本关于机器学习和 Python 的好书

【在公众号对话框，回复 NB6 可下载所有书】

1. Model-Based ML

和其他机器学习的书比较，这本书与众不同，它不会回顾各种算法，相反通过一系列涉及实际应用的案例研究 (case study) 介绍了所有机器学习中的关键思想。 

案例研究起着核心作用，因为只有在应用程序环境中讨论建模假设才有意义。 因此，每一章都介绍了一个案例研究，该案例研究来自使用基于模型的方法解决的实际应用。

本书的作者之一 Christopher Bishop 是《PRML》的作者，这本书的经典程度在机器学习界就不用说了，他写的书你确定不看？  

2.Grokking DL

对于深度学习，牛津大学博士 Andrew Trask 觉得数学不是入坑的最好工具。于是他编写了一本深度学习入门书《对机器学习心领神会》。

这本书最大的优势就是：简单易懂、新手友好和高数绝缘。该书分两部分：

1. 神经网络基础 (9章)，从深度学习概念介绍到神经网络，从入坑到上手。

   
   

2. 高级层和架构 (6章)，用第一部分内容进行实践，最后你可以让神经网络写出莎士比亚风格的诗，还能教它理解图像读懂画作。

3. Foundations of ML

这本书是由纽约大学计算机科学教授 Mehryar Mohri、Afshin Rostamizadeh 和Ameet Talwalkar 共同编写的，书中的内容基本上涵盖了机器学习当前阶段的热门基础概念，同时还附上了算法论证所需的理论基础和工具。总共 17 章，图文并茂非常美观。

此外，这本书还配有 500 多页的课程 PDF 和 13 章的 PPT 也可以下载。

4. The 100-Page ML Book

本文称为《百页机器学习书》。这本书是 Andriy Burkov 所著，他是 Gartner 的机器学习团队负责人。

100 页介绍能完机器学习绝对算厉害，也暗示着这是一本入门的书。想入门机器学习的人强烈推荐这本。

5. Numerical Python

700 多页 2019 年的新书，介绍了各种 Python 包如 NumPy, SciPy, Sympy, Pandas, Numba, Cython, Matplotlib, Scikit-Learn 等。

例子超多，解释很细，非常适合用 Python 搞数据科学的读者。

6. Recommender Systems

最近我也对「推荐系统」感兴趣，找到了这本书，虽然这本书里面没有什么最新的技术，但是它能让你知道现实中的推荐系统是怎么运转的。

基础打好才能去理解阿里巴巴、Facebook、Youtube、Airbnb 和 Pinterest 等巨头搞得工程上的推荐系统 (如下图的 paper 清单)。

王的机器分享过所有书籍的帖子 (点击下面链接)

• 量化金融精品书籍

• 机器学习精品书籍

• 数据分析精品书籍

• 深度学习精品书籍

• 量化投资精品书籍

• 强化学习精品书籍

• 衍生交易精品书籍

• Python 精华资料

• 各类经典精品书籍

• 数学精品书籍

• 自然语言处理精品资料

• 计算机视觉精品资料

• 可解释的机器学习书

王的机器

机器学习、金融工程、量化投资的干货营；快乐硬核的终生学习者。