有沒有國內寫的比較好的、深入淺出的、並且貼近實戰的機器學習與深度學習書籍或博客?

如題,不太喜歡國外的人寫的。除了周志華老師和李航老師寫的之外(這二位大師的書的確是神書,但太過於理論),有沒有寫得深入淺出、通俗易懂而又接近實戰的國內大師寫的圖書或者博客?謝謝!


謝邀。

博客的話我推薦一個感覺還不錯的吧,內容有很多

深度學習(三十)貪婪深度字典學習 - hjimce的專欄 - CSDN博客


列書單之前,想再強調一遍學習方法(請參考教師節-說說學習方法-就拿AI舉例子吧),只有先擺正了態度,才能夠事半功倍。

接著說說這個書單吧,書單里沒有出現英文書和翻譯書。英文書單已經有很多了,且能看英文書的朋友,最好就不要看書了,直接去看綜述文章或者最新的論文和代碼去。這裡的書單是入門級別的,針對英語不怎麼好的讀者。書分成三類,一種是講原理或綜述,第二類是針對特定平台,第三類是結合具體的應用場景

閱讀難度:一星

白話深度學習與TensorFlow這本書覆蓋了深度學習的諸多概念,內容全面,看完了這本書,你就懂了深度學習這個領域的行話了。書中有很多具體例子,作者有豐富的實踐經驗。另外這本書的姐妹版《白話大數據與機器學習》也不錯,在APP 網易蝸牛閱讀上可以免費閱讀。

閱讀難度:一星

機器學習之路這本書從內容方面本書共包含兩部分:機器學習篇和深度學習篇。這本書避過數學推導等複雜的理論推衍,介紹模型背後的一些簡單直觀的理解,以及如何上手使用。這本書適合有一些編程和自學能力,但數學等基礎理論能力不足的人群。

閱讀難度:2 星

這本書寫的很基礎,幫助讀者快速了解keras在各個領域的應用,書中的例子打通了從工具準備、數據獲取和處理到針對問題進行建模的整個過程和實踐經驗的全流程,以深度學習在推薦系統、圖像識別、自然語言處理、文字生成和時間序列中的具體應用為案例,雖然每個案例都沒有講細,但是一本不錯的入門書。

閱讀難度:2星

說起深度學習,不得不提tensorflow,關於這個最熱的平台,推薦倆本入門書,關於這倆本書,CSDN上曾有人做過對比,綜合起來,第一本書更加全面,第二本書更容易上手。

這本書目前正在預售中,因此不好評價。但作為一種與主流的深度學習框架都不同的動態的圖構建框架,PyTorch值得了解。

閱讀難度: 3 星

這本書是研究漢語自然語言處理方面的基礎性、綜合性書籍,從認知語言學的視角重新認識和分析了NLP的句法和語義相結合的數據結構。書中從自然語言處理的傳統方法,結束到最新的基於深度學習的處理方法,可以使讀者對自然語言處理整個行業有全面的了解。

閱讀難度 3星

這本書看似是輕鬆學,但讀起來卻並不輕鬆,書中介紹了卷積神經網路中很多細節,這些細節是決定了一個人對CNN的理解深度。書中介紹了深度學習在視覺領域的應用,從原理層面揭示其思路思想,幫助讀者在此領域中夯實技術基礎。

歡迎關注巡洋艦的深度學習課程, 深度強化學習將是重點:巡洋艦新年深度學習訓練營計劃, 這麼課程, 將真正帶你手把手的領略深度強化學習的魅力, 看你能不能讀完後合作寫一本深度學習的入門書,成為身邊人眼中的大牛。下面是整個課程的思維導圖,感興趣的小夥伴可以點擊閱讀原文了解更多。


看題主基礎如何了。現在知識迭代較快,當然理論基礎相對穩定,建議還是在線學習為主,輔以訓練自己的AI,邊學邊實踐。

另外,每個人情況不同,在前期收集了部分國內資料,希望對題主有用:

Robinwho/ArtificialIntelligent-MachineLearning


找個公司上班,代碼加註釋和文檔,就是你的要求了


書一般都是舊的,這方面更新的很快。

一定要看書的話,看看deep learning(三個人寫的,其中有一個是gan的作者)剛剛翻譯過來的書吧。

其實你應該有個方向。去nlp或cv.有了再學。主要看英文論文為主,看了有再把它復現,這種才算理解了。


推薦閱讀:

有基於spark的parameter server嗎?
分散式系統學習路線?
深度學習GPU訓練代碼初學者,在寫神經網路代碼時,遇到了GPU計算結果與CPU計算結果不一致的問題?

TAG:數據挖掘 | 機器學習 | 神經網路 | 深度學習DeepLearning | 大規模機器學習 |