2018年是AI的年代，2019不出意外應(yīng)該同樣是AI的年代。2018年中國AI崗缺口1萬多，2019年這個缺口可能會更大。要想在AI的年代大鵬展翅，就得玩轉(zhuǎn)機器學習。這里為大家精選了10本機器學習暢銷書，希望能夠?qū)Υ蠹矣兴鶐椭?/p>

1.《機器學習實戰(zhàn)：基于Scikit-Learn和TensorFlow》

作者：[法]奧雷利安·杰龍

出版時間：2018年8月

美國亞馬遜“人工智能”圖書暢銷榜首圖書！

通過具體的例子、非常少的理論和兩個成熟的Python框架——Scikit-learn和 TensorFlow，幫助你直觀地理解與掌握構(gòu)建智能系統(tǒng)的概念和工具。

你將學習一系列技術(shù)，從簡單的線性回歸到深度神經(jīng)網(wǎng)絡(luò)等。每章的習題幫助你運用學到的知識，你所需要的只是一點編程經(jīng)驗，僅此而已。

通過本書你將學習：

探索機器學習的全景圖，特別是神經(jīng)網(wǎng)絡(luò)。

使用Scikit-Learn來端到端地建立一個機器學習項目的示例。

探索多種訓練模型，包括支持向量機、決策樹、隨機森林和集成方法。

使用TensorFlow庫建立和訓練神經(jīng)網(wǎng)絡(luò)。

深入神經(jīng)網(wǎng)絡(luò)架構(gòu)，包括卷積網(wǎng)絡(luò)、遞歸網(wǎng)絡(luò)和深度強化學習。

學習訓練和伸縮深度神經(jīng)網(wǎng)絡(luò)的技巧。

應(yīng)用可以工作的代碼示例，而無須過多的機器學習理論或算法細節(jié)。

2.《分布式機器學習：算法、理論與實踐》

作者：劉鐵巖，陳薇，王太峰，高飛

出版時間：2018年10月

微軟亞洲研究院機器學習核心團隊潛心力作！鄂維南院士、周志華教授傾心撰寫推薦序！

人工智能和大數(shù)據(jù)時代，分布式機器學習解決了大量最具挑戰(zhàn)性的問題，《分布式機器學習：算法、理論與實踐》全面分析了分布式機器學習的現(xiàn)狀，深入分析其中核心問題，討論該領(lǐng)域的未來發(fā)展方向。

3. 《TensorFlow學習指南：深度學習系統(tǒng)構(gòu)建詳解》

作者：[以] 湯姆·奧普

出版時間：2018年6月

面向廣泛的技術(shù)受眾（從數(shù)據(jù)科學家、工程師到學生和研究人員），本書介紹了TensorFlow的基本原理和實踐方法。

從TensorFlow中的一些基本示例開始，深入探討諸如神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)、TensorBoard可視化、TensorFlow抽象庫和多線程輸入管道等主題。

閱讀本書，你將習得如何使用TensorFlow構(gòu)建和部署工業(yè)級深度學習系統(tǒng)。

通過閱讀本書，你將：

輕松愉快地安裝并運行TensorFlow。

學習如何使用TensorFlow從頭開始構(gòu)建深度學習模型。

訓練流行的計算機視覺和NLP深度學習模型。

使用抽象庫來使開發(fā)更容易和更快速。

學習如何擴展TensorFlow并使用集群分布式訓練模型。

在生產(chǎn)環(huán)境中部署TensorFlow。

4. 《利用Python進行數(shù)據(jù)分析（原書第2版）》

作者：[美] 韋斯·麥金尼（Wes McKinney）

出版時間：2018年8月

Python數(shù)據(jù)分析經(jīng)典暢銷書全新升級！基于Python3.6。

本書主要內(nèi)容：

全部代碼更新

更新到Python3.6版本（第1版中使用的是Python2.7）

更新了Python第三方發(fā)布版Anaconda和其他所需Python包的安裝指引

更新pandas庫到2017年新版

新增關(guān)于更多高級pandas工具和一些使用提示

新增statsmodels和scikit-learn的簡明使用介紹

新增大量案例

5. 《基于深度學習的自然語言處理》

作者：約阿夫·戈爾德貝格（Yoav Goldberg）

出版時間：2018年5月

將深度學習技術(shù)應(yīng)用于自然語言處理的實用指南。

由哈爾濱工業(yè)大學NLP核心團隊傾心推薦并翻譯。

本書系統(tǒng)闡述將深度學習技術(shù)應(yīng)用于自然語言處理的方法和技術(shù)，深入淺出地介紹了深度學習的基本知識及各種常用的網(wǎng)絡(luò)結(jié)構(gòu)，并重點介紹了如何使用這些技術(shù)處理自然語言。

6. 《Python機器學習（原書第2版）》

作者：塞巴斯蒂安·拉施卡，瓦希德·米

出版時間：2018年12月

本書將機器學習背后的基本理論與應(yīng)用實踐聯(lián)系起來，通過這種方式讓讀者聚焦于如何正確地提出問題、解決問題。書中講解了如何使用Python的核心元素以及強大的機器學習庫，同時還展示了如何正確使用一系列統(tǒng)計模型。

在本書第1版的基礎(chǔ)上，作者對第2版進行了大量更新和擴展，納入最近的開源技術(shù)，包括scikit-learn、Keras和TensorFlow，提供了使用Python構(gòu)建高效的機器學習與深度學習應(yīng)用的必要知識與技術(shù)。

通過閱讀本書，你將學到：

探索并理解數(shù)據(jù)科學、機器學習與深度學習的主要框架

通過機器學習模型與神經(jīng)網(wǎng)絡(luò)對你的數(shù)據(jù)提出新的疑問

在機器學習中使用最近Python開源庫的強大功能

掌握如何使用TensorFlow庫來實現(xiàn)深度神經(jīng)網(wǎng)絡(luò)

在可訪問的Web應(yīng)用中嵌入你的機器學習模型

使用回歸分析預(yù)測連續(xù)目標的結(jié)果

使用聚類發(fā)現(xiàn)數(shù)據(jù)中的隱藏模式與結(jié)構(gòu)

使用深度學習技術(shù)分析圖片

使用情感分析深入研究文本與社交媒體數(shù)據(jù)

7. 《Python深度學習：基于TensorFlow》

作者：吳茂貴，王冬，李濤，楊本法

出版時間：2018年10月

Python是目前人工智能領(lǐng)域普遍使用的基礎(chǔ)性技術(shù)和工具，TensorFlow是當下主流的深度學習框架，本書基于Python和TensorFlow，從理論到實踐，是一本全棧式的深度學習指南，書中基礎(chǔ)和理論講解全面，原理和拓展分析深入，應(yīng)用和實踐也極具實戰(zhàn)性，是多位人工智能和大數(shù)據(jù)領(lǐng)域的專家多年經(jīng)驗的結(jié)晶。

8. 《Python數(shù)據(jù)科學：技術(shù)詳解與商業(yè)實踐》

作者：常國珍，趙仁乾

出版時間：2018年7月

這是一本以Python為工具，以商業(yè)實戰(zhàn)為導向的數(shù)據(jù)科學家養(yǎng)成手冊，從技術(shù)、業(yè)務(wù)、商業(yè)實戰(zhàn)3個維度為有志成為數(shù)據(jù)科學家的讀者提供了系統(tǒng)化的學習路徑。

3位作者是數(shù)據(jù)科學和金融領(lǐng)域的資深專家，不僅技術(shù)精湛、經(jīng)驗豐富，而且在本書的寫作上也頗下功夫：首先，將數(shù)學和算法等復雜的技術(shù)用圖形化的方式來展現(xiàn)，盡可能降低讀者的理解難度；其次，本書不是一本教科書或案例集，而是針對數(shù)據(jù)科學家的能力模型提供系統(tǒng)化的解決方案。

9. 《統(tǒng)計機器學習導論》

作者：[日] 杉山將

出版時間：2018年5月

本書對機器學習的關(guān)鍵知識點進行了全面講解，幫助讀者順利完成從理論到實踐的過渡。書中首先介紹用于描述機器學習算法的統(tǒng)計與概率的知識，接著詳細分析機器學習技術(shù)的兩類主要方法——生成方法和判別方法，深入研究了如何使機器學習算法在實際應(yīng)用中發(fā)揮更大的作用。

本書提供程序源代碼，便于讀者進行數(shù)據(jù)分析實踐。本書適合高等院校計算機、統(tǒng)計等專業(yè)的研究生和高年級本科生閱讀，同時也適合相關(guān)領(lǐng)域的技術(shù)人員參考。

10. 《深度學習之TensorFlow：入門、原理與進階實戰(zhàn)》

作者：李金洪

出版時間：2018年2月

磁云科技創(chuàng)始人/京東終身榮譽技術(shù)顧問李大學推薦。創(chuàng)客總部/創(chuàng)客共贏基金合伙人李建軍推薦。

一線研發(fā)工程師以14年開發(fā)經(jīng)驗的視角全面解析TensorFlow應(yīng)用，涵蓋數(shù)值、語音、語義、圖像等多個領(lǐng)域96個有較高應(yīng)用價值的深度學習案例。贈送12套同步配套教學視頻 + 113套源代碼文件（帶配套樣本）。

內(nèi)容全面，應(yīng)用性強，從有監(jiān)督學習到半監(jiān)督學習，從簡單的數(shù)據(jù)分類到語音、語言和圖像分類乃至樣本生成等一系列前沿技術(shù)，均有介紹。語言通俗易懂，拒絕生僻的術(shù)語，拒絕生僻的公式符號，落地性強。

穿插了幾十個需要讀者注意的知識要點和難點，分享作者積累的寶貴經(jīng)驗。