掌握一個領域的知識需要系統的去學習，只通過一本書所學到的知識是遠遠不夠的。此外，除了與該領域相關的技術，對應的產業發展也是格外重要。本文便以機器學習為例，由淺入深，并結合相關領域其它技術、產業等方面，為讀者推薦了豐富的書目資源。

一張“迷你地圖”，教你如何進擊機器學習！

由圖可見，想要進擊機器學習，成為機器學習方面的專家，那么你需要從入門、深度學習、數據科學、R語言、Python、金融、專家級等多方面的書目，循序漸進的進行修煉。

話不多說，來看與機器學習相關，最受歡迎的書目榜單Top10吧！

1、《Scikit-Learn 與 TensorFlow 機器學習實用指南》

英文書名：Hands-On Machine Learning with Scikit-Learn and TensorFlow

作者：Aurélien Géron

出版社：O'Reilly Media

這本書通過具體的例子、很少的理論以及兩款成熟的Python框架：Scikit—Learn和TensorFlow，幫助你掌握構建智能系統所需要的概念和工具。你將會學習到各種技術，從簡單的線性回歸到深度神經網絡。每章的練習有助于你運用所學到的知識，你只需要有一些編程經驗就行了。

從這本書你將學習：

探索機器學習環境，特別是神經網絡

使用scikit-learn跟蹤端到端的示例機器學習項目

探索幾種訓練模型，包括支持向量機、決策樹、隨機森林和集合方法

使用TensorFlow庫構建和訓練神經網絡

深入研究神經網絡架構，包括卷積網絡，循環網絡和深度強化學習

學習訓練和scaling深度神經網絡的技巧

應用實際代碼示例，而無需學習過多的機器學習理論或算法細節

2、《面向數據科學家的實用統計學》

英文書名：Practical Statistics for Data Scientists: 50 Essential Concepts

作者：Peter Bruce &Andrew Bruce

出版社：O'Reilly Media

很多數據科學資源包括了統計方法，但是欠缺具有深度的統計學視角。如果你熟悉R語言編程，也對統計學有所了解，這份快速參考將幫助你搭建易學可達的知識橋梁。

從這本書你將學到：

為什么探索性數據分析是數據科學的關鍵步驟

隨機抽樣如何減少偏差，并產生更高質量的數據集，即使對于大數據也能如此

實驗設計原則如何有助于得到問題的最終答案

如何使用回歸來估計結果并檢測異常

用于預測一個record屬于哪個類別的關鍵分類技術

從數據中“學習”的統計機器學習方法

用于從未標記數據中提取含義的無監督學習方法

3、Python深度學習

英文書名：Deep Learning with Python

作者：Francois Chollet

出版社：Manning Publications

本書介紹使用Python語言和強大的Keras庫深入深度學習領域。本書由Keras作者、Google AI研究員Fran?ois Chollet撰寫，通過直觀的解釋和實際例子幫助讀者理解。你將在計算機視覺、自然語言處理和生成模型中應用具有挑戰性的概念和實踐。當學完本書時，你將擁有在自己的項目中應用深度學習的知識和實踐技能。

從本書你將學習：

深度學習的基本原則

建立自己的深度學習環境

圖像分類模型

文本和序列的深度學習

神經風格遷移、文本生成和圖像生成

4、《深度學習》

英文書名：Deep Learning

作者：Ian Goodfellow, Yoshua Bengio &Aaron Courville

出版社：The MIT Press

這本“花書”被認為是名副其實的AI圣經。《深度學習》由深度學習領域三位前沿、權威的專家 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合著，長期位居美國亞馬遜人工智能類圖書榜首，中文版在去年出版后更是賣到斷貨。

該書從淺入深介紹了基礎數學知識、機器學習經驗以及現階段深度學習的理論和發展，它能幫助人工智能技術愛好者和從業人員在三位專家學者的思維帶領下全方位了解深度學習。

這是一本教科書，又不只是一本教科書，任何對深度學習感興趣的讀者，閱讀本書都會受益。

5、《用于數據分析的Python：Pandas，NumPy和IPython》

英文書名：Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython

作者：Wes McKinney

出版社：O'Reilly Media

本書由Python pandas項目的創建者Wes McKinney撰寫，是對Python中數據科學工具的實用介紹。對于剛接觸Python的分析師以及對數據科學和科學計算不熟悉的Python程序員來說，本書是理想的選擇。GitHub上提供了數據文件和相關資料。

閱讀本書你將學習：

使用IPython shell和Jupyter notebook進行探索性計算

學習NumPy中的基本功能和高級功能

學習使用pandas庫中的數據分析工具

使用靈活的工具加載、清理、轉換、合并和重塑數據

使用matplotlib創建信息可視化

將pandas groupby工具應用于slice，dice塊和匯總數據集

分析和處理規則和不規則的時間序列數據

通過詳細示例了解如何解決實際的數據分析問題

6、《R 數據科學》

英文名稱：R for Data Science: Import, Tidy, Transform, Visualize, and Model Data

作者：Hadley Wickham、Garrett Grolemund

出版社：O'Reilly Media

本書的目標是教會讀者使用重要的數據科學工具，從而為實施數據科學奠定堅實的基礎。 讀完本書后，你將掌握R語言的精華，并能夠熟練使用多種工具來解決各種數據科學難題。每一章都按照這樣的順序組織內容：先給出一些引人入勝的示例，以便你可以整體了解這一章的內容，然后再深入細節。本書的每一節都配有習題，以幫助你實踐所學到的知識。

本書適合R數據科學家閱讀。

7、《Python 數據科學手冊》

英文名稱：Python Data Science Handbook: Essential Tools for Working with Data

作者：Jake VanderPlas

出版社：O'Reilly Media

本書是對以數據深度需求為中心的科學、研究以及針對計算和統計方法的參考書。本書共五章，每章介紹一到兩個Python數據科學中的重點工具包。首先從IPython和Jupyter開始，它們提供了數據科學家需要的計算環境；第 2章講解能提供ndarray對象的NumPy，它可以用Python高效地存儲和操作大型數組；第3章主要涉及提供DataFrame對象的Pandas，它可以用Python高效地存儲和操作帶標簽的/列式數據；第4章的主角是Matplotlib，它為Python提供了許多數據可視化功能；第5章以Scikit-Learn為主，這個程序庫為重要的機器學習算法提供了高效整潔的Python版實現。

本書適合有編程背景，并打算將開源Python工具用作分析、操作、可視化以及學習數據的數據科學研究人員。

8、《Python 機器學習》

英文名稱：Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow

作者：Sebastian Raschka、Vahid Mirjalili

出版社：Packt Publishing - ebooks Account

機器學習正在吞噬軟件世界，而深度學習正在擴展機器學習。 通過第二版Sebastian Raschka的暢銷書《Python機器學習》，可以了解并實現機器學習、神經網絡和深度學習的最前沿的知識。 本書使用最新的Python開源庫進行了徹底的更新，提供了創建機器學習，深度學習和現代數據分析所需的實用知識和技術。

從本書中，你將學到：

了解數據科學、機器學習和深度學習的關鍵框架

使用在機器學習中Python最新的開源庫

使用具有挑戰性的真實數據探索機器學習技術

使用TensorFlow庫掌握深度神經網絡

了解分類算法的機制，以實現最佳工作

使用回歸分析預測連續目標結果

通過聚類發現數據中的隱藏模式和結構

使用情緒分析深入挖掘文本和社交媒體數據

9、《Python袖珍指南》

英文名稱：Python Pocket Reference: Python In Your Pocket (Pocket Reference (O'Reilly))

作者：Mark Lutz

出版社：O'Reilly Media

對于的Python 3.4和2.7而言，本指南是完美的實戰快速參考。你從中將會學習有關Python類型和語句、特殊方法名、內建函數與異常、常用的標準庫模塊及其他的Python工具。

由Mark Lutz這位公認為的Python領導者編寫的《Python袖珍指南（第五版）》，是仍由Mark編寫的經典Python教程（《Learning Python》和《Programming Python》，O’Reilly出版）的理想助手。

本書涵蓋內容：

內建對象類型，包括數字、列表、字典等更多內容

創建和處理對象的語句和語法

結構化和重用代碼所用的函數與模塊

Python面向對象的編程工具

內建函數、異常和屬性

專有運算符重載方法

廣泛應用的標準庫模塊和擴展

命令行選項與開發工具

Python的習語與提示

Python的SQL數據庫API

10、《統計學習基礎》

英文名稱：The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition (Springer Series in Statistics)

作者：Trevor Hastie、Robert Tibshirani

出版社：Springer

計算和信息技術的飛速發展帶來了醫學、生物學、財經和營銷等諸多領域的海量數據。理解這些數據是一種挑戰，這導致了統計學領域新工具的發展，并延伸到諸如數據挖掘、機器學習和生物信息學等新領域。許多工具都具有共同的基礎，但常常用不同的術語來表達。《統計學習基礎(第2版)(英文)》介紹了這些領域的一些重要概念。盡管應用的是統計學方法，但強調的是概念，而不是數學。許多例子附以彩圖。《統計學習基礎(第2版)(英文)》內容廣泛，從有指導的學習（預測）到無指導的學習，應有盡有。包括神經網絡、支持向量機、分類樹和提升等主題，是同類書籍中介紹得*全面的。

《統計學習基礎(第2版)(英文)》可作為高等院校相關專業本科生和研究生的教材，對于統計學相關人員、科學界和業界關注數據挖掘的人，《統計學習基礎(第2版)(英文)》值得一讀。

根據這張“迷你地圖”，可以分為七個“領域”，各自都有相應的推薦書目。

新手進階書目推薦

1、《Machine Learning For Absolute Beginners: A Plain English Introduction (Machine Learning For Beginners)》

作者：Oliver Theobald

2、《Make Your Own Neural Network: An In-depth Visual Introduction For Beginners》

作者：Michael Taylor

3、《The Math of Neural Networks》

作者：Michael Taylor

深度學習相關書目推薦

1、《Deep Learning with Python》

作者：Francois Chollet

2、《Deep Learning: A Practitioner's Approach》

作者：Josh Patterson、Adam Gibson

3、《Neural Networks with R: Smart models using CNN, RNN, deep learning, and artificial intelligence principles》

作者：Giuseppe Ciaburro、Balaji Venkateswaran

數據科學相關書目推薦

1、《Data Science from Scratch: First Principles with Python》

作者：Joel Grus

2、《Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking》

作者：Foster Provost、Tom Fawcett

3、《Think Bayes: Bayesian Statistics in Python》

作者：Allen B. Downey

R語言相關書目推薦

1、《ggplot2: Elegant Graphics for Data Analysis (Use R!)》

作者：Hadley Wickham

2、《R Cookbook: Proven Recipes for Data Analysis, Statistics, and Graphics (O'reilly Cookbooks)》

作者：Paul Teetor

3、《R Graphics Cookbook: Practical Recipes for Visualizing Data》

作者：Winston Chang

Python相關書目推薦

1、《Introducing Python: Modern Computing in Simple Packages》

作者：Bill Lubanovic

2、《Learning Python, 5th Edition》

作者：Mark Lutz

3、《Fluent Python: Clear, Concise, and Effective Programming》

作者：Luciano Ramalho

金融相關書目推薦

1、《Advances in Financial Machine Learning 》

作者：Marcos Lopez de Prado

2、《Building Winning Algorithmic Trading Systems, + Website: A Trader's Journey From Data Mining to Monte Carlo Simulation to Live Trading (Wiley Trading)》

作者：Kevin J. Davey

3、《Algorithmic Trading: Winning Strategies and Their Rationale》

作者：Ernie Chan

專家級書目推薦

1、《Pattern Recognition and Machine Learning (Information Science and Statistics)》

作者：Christopher M. Bishop

2、《Machine Learning (McGraw-Hill International Editions Computer Science Series)》

作者：Tom M. Mitchell

3、《Reinforcement Learning: An Introduction (Adaptive Computation and Machine Learning)》

作者：Richard S. Sutton、Andrew G. Barto