鲁达 来源：专知
编辑：克雷格
【新智元导读】转眼之间春节假期已所剩无几，大家是否也开始制定新一年的学习计划？本文就为大家推荐一个机器学习书单，其中大多数可以免费观看，并附上pdf链接。书单内容包括但不局限于：机器学习、深度学习、数据挖掘、贝叶斯理论、统计学习等。都是领域内最好的学习资料，绝对值得阅读，大家可以根据自己的研究方向自行选读。
机器学习是人工智能的应用，它使系统能够自动地从经验中学习和改进。在这篇文章中，我们列出了一些最好的免费机器学习书籍，绝对值得阅读。
1、Mining of Massive Datasets （海量数据挖掘）
作者: Jure Leskovec, Anand Rajaraman, JeffUllman
介绍：
基于斯坦福计算机科学课程CS246和CS35A，这本书的目标受众是计算机科学的本科生，没有要求必须的先修知识。这本书已由剑桥大学出版社出版。
2、An Introduction to Statistical Learning (with applications in R) （统计学习引言，R语言版）
作者：Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani
介绍：
这本书中包含了统计学习方法的前言，还有一些R实验。
3、Deep Learning （深度学习），花书
作者：Ian Goodfellow and Yoshua Bengio andAaron Courville
介绍：
这本深度学习的教科书是专为那些在机器学习和深度学习的早期阶段读者而设计的。这本书的在线版现在免费提供。
4、Bayesian methods for hackers
作者：Cam Davidson-Pilon
介绍：
本书从计算的角度介绍了贝叶斯方法和概率编程。这本书对那些掌握数学知识的人来说简直是天赐之物。
5、Understanding MachineLearning: From Theory to Algorithms（理解机器学习：从理论到算法）
作者：Shai Shalev-Shwartz and Shai Ben-David
介绍：
对于精通数学的人来说，这是理解机器学习背后的魔法的最好的书籍之一。
6、Deep Learning Tutorial（深度学习教程）
作者：LISA lab, University of Montreal
介绍：
如果你愿意进入这个领域，而且想要免费的资源，那么使用Theano的深度学习教程是必须的。
7、Scikit-Learn Tutorial: Statistical-Learning for Scientific Data Processing（Scikit-Learn教程：科学数据处理的统计学习方法）
作者：Andreas Mueller
介绍：
探索统计学习，本教程以统计推断的目的解释机器学习技术。本教程可以免费在线观看。
8、Machine Learning (An Algorithmic Perspective) （机器学习：算法视角）
作者：Stephen Marsland
介绍：
这本书对工程和计算机科学专业的学生学习机器学习和人工智能有很大的帮助。这本书由CRC出版社出版，由Stephen Marsland撰写，不幸的是这本书不是免费的。但是，我们强烈建议您阅读。而且，所有的Python代码都可以在网上找到。这些代码是python学习的一个很好的参考源。
9、Building Machine Learning Systems with Python（用Python构建机器学习系统）
作者：Willi Richert and Luis Pedro Coelho
介绍：
这本书也不是免费的，但这是一个实践指南，可以充分利用python学习机器学习。
这些是我们推荐的最好的机器学习书籍。 如果您有其他的想法，可以在下面评论一下你心中的一些好的机器学习书籍的列表。
参考链接：