有哪些機器學習、圖像識別方面的入門書籍？
最好不要一上來就弄很多數學公式推導的那種，搭配少許例子，能產生興趣由淺入深，不求全面，但求入門。
彷徨疑惑，機器學習該看什麼書？雲棲社區非同步社區機器學習好書籍推薦
機器學習作為近期人工智慧領域的熱點話題一直被廣大知乎討論，小編也一直收到很多私信諮詢有哪些好的書籍適合自己進行閱讀學習。本周：阿里云云棲社區機構號 聯合機器學習專業出版社：非同步社區，為大家帶來十本經典機器學習相關書籍，分別適合入門、進階到精深的三個不同階段同學閱讀，並且每本書籍都由非同步社區機器學習相關編輯同學標註了適合閱讀人群（文末有彩蛋不看後悔哦）：
（非同步社區，是人民郵電出版社旗下IT專業圖書旗艦社區，也是國內領先的IT專業圖書社區，致力於優質學習內容的出版和分享，實現了紙書電子書的同步上架，於2015年8月上線運營。）
Python高性能編程Python高性能編程-圖書 - 非同步社區本書適合初級和中級Python程序員、有一定Python語言基礎想要得到進階和提高的讀者閱讀。 本書共有12章，圍繞如何進行代碼優化和加快實際應用的運行速度進行詳細講解。本書主要包含以下主題：計算機內部結構的背景知識、列表和元組、字典和集合、迭代器和生成器、矩陣和矢量計算、並發、集群和工作隊列等。最後，通過一系列真實案例展現了在應用場景中需要注意的問題。
NLTK基礎教程——用NLTK和Python庫構建機器學習應用
NLTK基礎教程--用NLTK和Python庫構建機器學習應用-圖書 - 非同步社區 本書適合 NLP 和機器學習領域的愛好者、對文本處理感興趣的讀者、想要快速學習NLTK的資深Python程序員以及機器學習領域的研究人員閱讀。 NLTK 庫是當前自然語言處理（NLP）領域最為流行、使用最為廣泛的庫之一, 同時Python語言也已逐漸成為主流的編程語言之一。本書主要介紹如何通過NLTK庫與一些Python庫的結合從而實現複雜的NLP任務和機器學習應用。全書共分為10章。第1章對NLP進行了簡單介紹。第2章、第3章和第4章主要介紹一些通用的預處理技術、專屬於NLP領域的預處理技術以及命名實體識別技術等。第5章之後的內容側重於介紹如何構建一些NLP應用，涉及文本分類、數據科學和數據處理、社交媒體挖掘和大規模文本挖掘等方面。
機器學習與數據科學（基於R的統計學習方法）
機器學習與數據科學（基於R的統計學習方法）-圖書 - 非同步社區 本書適合數據科學家、數據分析師、軟體開發者以及需要了解數據科學和機器學習方法的科研人員閱讀參考。 本書試圖指導讀者掌握如何完成涉及機器學習的數據科學項目。本書將為數據科學家提供一些在統計學習領域會用到的工具和技巧，涉及數據連接、數據處理、探索性數據分析、監督機器學習、非監督機器學習和模型評估。本書選用的是R統計環境，書中所有代碼示例都是用R語言編寫的，涉及眾多流行的R包和數據集。
實用機器學習
實用機器學習-圖書 - 非同步社區 本書適合需要應用機器學習演算法解決實際問題的工程技術人員閱讀，也可作為相關專業高年級本科生或研究生的入門教材或課外讀物 大數據時代為機器學習的應用提供了廣闊的空間，各行各業涉及數據分析的工作都需要使用機器學習演算法。本書圍繞實際數據分析的流程展開，著重介紹數據探索、數據預處理和常用的機器學習演算法模型。本書從解決實際問題的角度出發，介紹回歸演算法、分類演算法、推薦演算法、排序演算法和集成學習演算法。在介紹每種機器學習演算法模型時，書中不但闡述基本原理，而且討論模型的評價與選擇。為方便讀者學習各種演算法，本書介紹了R語言中相應的軟體包並給出了示常式序。本書的最大特色就是貼近工程實踐。首先，本書僅側重介紹當前工業界最常用的機器學習演算法，而不追求知識內容的覆蓋面；其次，本書在介紹每類機器學習演算法時，力求通俗易懂地闡述演算法思想，而不追求理論的深度，讓讀者藉助代碼獲得直觀的體驗。
Python機器學習實踐指南
Python機器學習實踐指南-圖書 - 非同步社區 本書適合Python 程序員、數據分析人員、對演算法感興趣的讀者、機器學習領域的從業人員及科研人員閱讀。 機器學習是近年來漸趨熱門的一個領域，同時Python 語言經過一段時間的發展也已逐漸成為主流的編程語言之一。本書結合了機器學習和Python 語言兩個熱門的領域，通過利用兩種核心的機器學習演算法來將Python 語言在數據分析方面的優勢發揮到極致。全書共有10 章。第1 章講解了Python 機器學習的生態系統，剩餘9 章介紹了眾多與機器學習相關的演算法，包括各類分類演算法、數據可視化技術、推薦引擎等，主要包括機器學習在公寓、機票、IPO 市場、新聞源、內容推廣、股票市場、圖像、聊天機器人和推薦引擎等方面的應用。
貝葉斯方法：概率編程與貝葉斯推斷
貝葉斯方法：概率編程與貝葉斯推斷-圖書 - 非同步社區 本書適用於機器學習、貝葉斯推斷、概率編程等相關領域的從業者和愛好者，也適合普通開發人員了解貝葉斯統計而使用。 本書基於PyMC語言以及一系列常用的Python數據分析框架，如NumPy、SciPy和Matplotlib，通過概率編程的方式，講解了貝葉斯推斷的原理和實現方法。該方法常常可以在避免引入大量數學分析的前提下，有效地解決問題。書中使用的案例往往是工作中遇到的實際問題，有趣並且實用。作者的闡述也盡量避免冗長的數學分析，而讓讀者可以動手解決一個個的具體問題。通過對本書的學習，讀者可以對貝葉斯思維、概率編程有較為深入的了解，為將來從事機器學習、數據分析相關的工作打下基礎。
TensorFlow技術解析與實戰
TensorFlow技術解析與實戰-圖書 - 非同步社區 本書深入淺出，理論聯繫實際，實戰案例新穎，基於最新的TensorFlow 1.1版本，涵蓋TensorFlow的新特性，非常適合對深度學習和TensorFlow感興趣的讀者閱讀。 TensorFlow 是谷歌公司開發的深度學習框架，也是目前深度學習的主流框架之一。本書從深度學習的基礎講起，深入TensorFlow框架原理、模型構建、源代碼分析和網路實現等各個方面。全書分為基礎篇、實戰篇和提高篇三部分。基礎篇講解人工智慧的入門知識，深度學習的方法，TensorFlow的基礎原理、系統架構、設計理念、編程模型、常用API、批標準化、模型的存儲與載入、隊列與線程，實現一個自定義操作，並進行TensorFlow源代碼解析，介紹卷積神經網路（CNN）和循環神經網路（RNN）的演化發展及其TensorFlow實現、TensorFlow的高級框架等知識；實戰篇講解如何用TensorFlow寫一個神經網路程序並介紹TensorFlow實現各種網路（CNN、RNN和自編碼網路等），並對MINIST數據集進行訓練，講解TensorFlow在人臉識別、自然語言處理、圖像和語音的結合、生成式對抗網路等方面的應用；提高篇講解TensorFlow的分散式原理、架構、模式、API，還會介紹TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes結合、TensorFlowOnSpark、TensorFlow移動端應用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow計算加速等其他特性。最後，附錄中列出一些可供參考的公開數據集，並結合作者的項目經驗介紹項目管理的一些建議。
概率編程實戰
概率編程實戰-圖書 - 非同步社區 本書既可以作為概率編程的入門讀物，也可以幫助已經有一定基礎的讀者熟悉Figaro這一概率編程利器。 人工智慧領域的先驅、美國加州大學伯克利分校教授Stuart Russell作序推薦！一本不可思議的Scala概率編程實戰書籍！概率推理是不確定性條件下做出決策的重要方法，在許多領域都已經得到了廣泛的應用。概率編程充分結合了概率推理模型和現代計算機編程語言，使這一方法的實施更加簡便，現已在許多領域（包括炙手可熱的機器學習）中嶄露頭角，各種概率編程系統也如雨後春筍般出現。本書的作者Avi Pfeffer正是主流概率編程系統Figaro的首席開發者，他以詳盡的實例、清晰易懂的解說引領讀者進入這一過去令人望而生畏的領域。通讀本書，可以發現概率編程並非「瘋狂科學家」們的專利，無需艱深的數學知識，就可以構思出解決許多實際問題的概率模型，進而利用現代概率編程系統的強大功能解題。
Python機器學習——預測分析核心演算法
Python機器學習--預測分析核心演算法-圖書 - 非同步社區 本書主要針對想提高機器學習技能的Python 開發人員，幫助他們解決某一特定的項目或是提升相關的技能。 在學習和研究機器學習的時候，面臨令人眼花繚亂的演算法，機器學習新手往往會不知所措。本書從演算法和Python 語言實現的角度，幫助讀者認識機器學習。 書專註於兩類核心的「演算法族」，即懲罰線性回歸和集成方法，並通過代碼實例來展示所討論的演算法的使用原則。全書共分為7 章，詳細討論了預測模型的兩類核心演算法、預測模型的構建、懲罰線性回歸和集成方法的具體應用和實現。
機器學習項目開發實戰
機器學習項目開發實戰-圖書 - 非同步社區 本書適合對機器學習感興趣的.NET開發人員閱讀，也適合其他讀者作為機器學習的入門參考書。 本書通過一系列有趣的實例，由淺入深地介紹了機器學習這一炙手可熱的新領域，並且詳細介紹了適合機器學習開發的Microsoft F#語言和函數式編程，引領讀者深入了解機器學習的基本概念、核心思想和常用演算法。書中的例子既通俗易懂，同時又十分實用，可以作為許多開發問題的起點。通過對本書的閱讀，讀者無須接觸枯燥的數學知識，便可快速上手，為日後的開發工作打下堅實的基礎。
這裡是彩蛋：
本次非同步社區的同學也特意拿出10本書作為福利贈送給社區小夥伴們。
拿書規則：
1、關注阿里云云棲社區；
2、點擊到原文：彷徨疑惑，機器學習該看什麼書？雲棲社區amp;非同步社區機器學習好書籍推薦 - 知乎專欄，評論回復以上10本中你最想看的一本書籍名稱。請不要在本回答中回復
我們將在6月20日，從關注社區且在評論中回復了想閱讀書籍名稱的用戶中，抽取10名幸運小夥伴免費贈送以上正版書籍一本哦。
OpenCV Cookbook 一代神書 全是例子prml之類的還是等等吧。。OpenCV.2.Computer.Vision.Application.Programming.Cookbook.pdf_免費高速下載
只看過這一本書感覺還是非常不錯的。圖像識別的部分是有的。
Computer Vision： Algorithms and Applications
計算機視覺－演算法與應用。作者曾在劍橋研究實驗室和微軟研究院，而且參與photosynth三維重建項目，這本書很全面的介紹了計算機視覺各個方面的理論發展和運用。每頁都有不少論文引用。雖然並不偏向於實際案例開發，但是從宏觀角度可以整體了解。網上看的，覺得不錯1. 數學
我們所說的圖像處理實際上就是數字圖像處理，是把真實世界中的連續三維隨機信號投影到感測器的二維平面上，採樣並量化後得到二維矩陣。數字圖像處理就是二維矩陣的處理，而從二維圖像中恢復出三維場景就是計算機視覺的主要任務之一。這裡面就涉及到了圖像處理所涉及到的三個重要屬性：連續性，二維矩陣，隨機性。所對應的數學知識是高等數學（微積分），線性代數（矩陣論），概率論和隨機過程。這三門課也是考研的三門課，構成了圖像處理和計算機視覺最基礎的數學基礎。如果想要更進一步，就要到網上搜搜林達華推薦的數學數目了。
2. 信號處理
圖像處理其實就是二維和三維信號處理，而處理的信號又有一定的隨機性，因此經典信號處理和隨機信號處理都是圖像處理和計算機視覺中必備的理論基礎。
2.1經典信號處理
信號與系統(第2版) Alan V.Oppenheim等著 劉樹棠譯
離散時間信號處理(第2版) A.V.奧本海姆等著 劉樹棠譯
數字信號處理:理論演算法與實現胡廣書 (編者)
2.2隨機信號處理
現代信號處理 張賢達著
統計信號處理基礎:估計與檢測理論Steven M.Kay等著 羅鵬飛等譯
自適應濾波器原理(第4版) Simon Haykin著 鄭寶玉等譯
2.3 小波變換
信號處理的小波導引:稀疏方法(原書第3版) tephane Malla著, 戴道清等譯
2.4 資訊理論
資訊理論基礎(原書第2版) Thomas M.Cover等著 阮吉壽等譯
3. 模式識別
Pattern Recognition and Machine Learning Bishop, Christopher M. Springer
模式識別(英文版)(第4版) 西奧多里德斯著
Pattern Classification (2nd Edition) Richard O. Duda等著
Statistical Pattern Recognition, 3rd Edition Andrew R. Webb等著
模式識別(第3版) 張學工著
4. 圖像處理與計算機視覺的書籍推薦
圖像處理，分析與機器視覺 第三版Sonka等著 艾海舟等譯
Image Processing, Analysis and Machine Vision
這本書是圖像處理與計算機視覺裡面比較全的一本書了，幾乎涵蓋了圖像視覺領域的各個方面。中文版的個人感覺也還可以，值得一看。
數字圖像處理 第三版 岡薩雷斯等著
Digital Image Processing
數字圖像處理永遠的經典，現在已經出到了第三版，相當給力。我的導師曾經說過，這本書寫的很優美，對寫英文論文也很有幫助，建議購買英文版的。
計算機視覺：理論與演算法 RichardSzeliski著
Computer Vision: Theory and Algorithm
微軟的Szeliski寫的一本最新的計算機視覺著作。內容非常豐富，尤其包括了作者的研究興趣，比如一般的書裡面都沒有的Image Stitching和Image Matting等。這也從另一個側面說明這本書的通用性不如Sonka的那本。不過作者開放了這本書的電子版，可以有選擇性的閱讀。
Multiple View Geometry in Computer Vision 第二版Harley等著
引用達一萬多次的經典書籍了。第二版到處都有電子版的。第一版曾出過中文版的，後來絕版了。網上也可以找到電子版。
計算機視覺：一種現代方法 DAForsyth等著
Computer Vision: A Modern Approach
MIT的經典教材。雖然已經過去十年了，還是值得一讀。第二版已經在今年（2012年）出來了，在iask上可以找到非常清晰的版本，將近800頁，補充了很多內容。期待影印版。
Machine vision: theory,algorithms, practicalities 第三版 Davies著
為數不多的英國人寫的書，偏向於工業。
數字圖像處理第四版 Pratt著
Digital Image Processing
寫作風格獨樹一幟，也是圖像處理領域很不錯的一本書。網上也可以找到非常清晰的電子版。
Alpaydin的 Introduction to Machine Learning講的還挺容易懂的，可以做入門。
Bishop PRML 可以放一邊做做reference
當然你要有基本的statistics基礎，log likelihood什麼的至少要會。基本的線代基礎就不用說了。。
然後本科的ML公開課都是不錯的入門。
圖像識別的核心是：識別——機器學習，anyway，學好機器學習
機器學習：Duda《模式分類》 or Bishop《PRML》；看完演算法要寫代碼跑幾個例子
圖像相關：岡薩雷斯的數字圖像處理，有理論版的和matlab version——上文推薦，必讀沒有代碼，一切都是紙上談兵。《機器學習》 Tom M.Mitchell
1. 《learning opencv》，有中文版。用這個入門最快。
2. @陳冰 推薦的《機器學習實戰》，簡單，容易，清晰。3. @周弋然 推薦的 李航《統計學習方法》，如果想學點理論，將整本書推導一下。入門這三本就夠了。其他的書都太累太難。PRML和CV廣大無比，深不可測，且常常很無用。
如果你年輕的話，還是不要混這行了，真的。干點別的有意思的事情賺錢吧。我說說我看過的兩本吧 一本是很早的opencv1.0的learning opencv 有中文版也有英文版 代碼講解都有 只是版本很老了現在有很多更新。
其次是一本叫做opencv2計算機視覺編程手冊(cookbook)作者是Robert Laganiere
重推第二本 講的深入淺出，中文翻譯也很好，特別適合入門 裡面的代碼都託管在github 主要是從代碼的角度解析圖像處理，有適當的數學推導，比起大部頭的岡薩雷斯的數字圖像處理更適合初學者，不過要想從數學上了解本質還是得看岡薩雷斯的那本~加油吧Atitit 圖像處理的摩西五經attilax總結
1. 數字圖像處理（第三版） 1
2. 圖像處理基礎（第2版）（世界著名計算機教材精選） 1
3. 計算機視覺特徵提取與圖像處理（第三版） 2
4. OpenCV圖像處理 2
4.1. 模式識別(英文版)(第4版) 西奧多里德斯著 2
4.2. 圖像處理，分析與機器視覺 第三版Sonka等著 艾海舟等譯 2
4.3. 計算機視覺：理論與演算法 RichardSzeliski著 2
1. 數字圖像處理（第三版）
作者:（美）岡薩雷斯，（美）伍茲 著
Line 1: 第1章 緒論
Line 10: 第2章 數字圖像基礎
Line 21: 第3章 灰度變換與空間濾波
Line 35: 第4章 頻率域濾波
Line 42: 第5章 圖像復原與重建
Line 58: 第6章 彩色圖像處理
Line 72: 第7章 小波和多解析度處理
Line 83: 第8章 圖像壓縮
Line 91: 第9章 形態學圖像處理
Line 102: 第10章 圖像分割
Line 113: 第11章 表示和描述
Line 123: 第12章 目標識別
2. 圖像處理基礎（第2版）（世界著名計算機教材精選）
作者:（美）彼得魯，（美）彼得魯 著
Line 1: 第1章 導論
Line 37: 第2章 圖像變換
Line 73: 第3章 圖像的統計描述
Line 74: 第4章 圖像增強
Line 75: 第5章 圖像恢復
Line 76: 第6章 圖像分割和邊緣檢測
Line 77: 第7章 多光譜圖像處理
3. 計算機視覺特徵提取與圖像處理（第三版）
新閱讀心動力 專題內圖書5折封頂&>&>作者:（英）尼克松，（英）阿瓜多 著
Line 1: 第1章 緒論
Line 10: 第2章 圖像、 採樣和頻域處理
Line 21: 第3章 基本圖像處理運算
Line 30: 第4章 低級特徵提取（包括邊緣檢測）
Line 38: 第5章 形狀匹配的特徵提取
Line 46: 第6章 高級特徵提取： 可變形形狀分析
Line 54: 第7章 目標描述
Line 60: 第8章 紋理描述、 分割和分類基礎
Line 68: 第9章 運動對象檢測與描述
Line 75: 第10章 附錄1： 照相機幾何基礎
Line 84: 第11章 附錄2： 最小二乘分析
Line 87: 第12章 附錄3： 主成分分析
Line 99: 第13章 附錄4： 彩色圖像
4. OpenCV圖像處理
作者:[西]葛羅瑞亞 布埃諾 加西亞
第1章 處理圖像文件和視頻文件 1
第2章 構建圖像處理工具 30
第3章 校正和增強圖像 51
第4章 處理顏色 86
第5章 視頻圖像處理 112
第6章 計算攝影學 141
第7章 加速圖像處理 157
7.2.2 第一個基於GPU的程序 166
5. 模式識別(英文版)(第4版) 西奧多里德斯著
5.1. 圖像處理，分析與機器視覺 第三版Sonka等著 艾海舟等譯
5.2. 計算機視覺：理論與演算法 RichardSzeliski著
作者:: 綽號:老哇的爪子claw of Eagle 偶像破壞者Iconoclast image-smasher
捕鳥王"Bird Catcher 王中之王King of Kings 虔誠者Pious 宗教信仰捍衛者 Defender Of the Faith. 卡拉卡拉紅斗篷 Caracalla red cloak
簡稱：： Emir Attilax Akbar 埃米爾 阿提拉克斯 阿克巴
全名：：Emir Attilax Akbar bin Mahmud bin attila bin Solomon bin adam Al Rapanui 埃米爾 阿提拉克斯 阿克巴 本 馬哈茂德 本 阿提拉 本 所羅門 本亞當 阿爾 拉帕努伊
常用名：艾提拉（艾龍）， EMAIL:1466519819@qq.com
頭銜：uke總部o2o負責人，全球網格化項目創始人，
uke宗教與文化融合事務部部長， uke宗教改革委員會副主席
，Uke部落首席大酋長，
uke制度與重大會議委員會委員長，uke保安部首席大隊長,uke制度檢查委員會副會長，
奶牛科技cto ，uke 首席cto 技術總監 研發總監 研發主管 部門總監
uke波利尼西亞區大區連鎖負責人 湯加王國區域負責人。
uke克爾格倫群島區連鎖負責人，萊恩群島區連鎖負責人，
uke布維島和南喬治亞和南桑威奇群島大區連鎖負責人
Uke軟體標準化協會理事長理事長 Uke 資料庫與存儲標準化協會副會長
uke出版社編輯總編
uke終身教育學校副校長 Uke醫院 與醫學院方面的創始人 度假村首席大村長
轉載請註明來源：attilax的專欄
--Atiend
可以看剛剛上市的一本《機器學習實戰》《機器學習實戰》（（美）Peter Harrington）【摘要 書評 試讀】
強烈推薦這個UFLDL教程 - Ufldl。這是Andrew Ng寫的關於非監督特徵學習與深度學習的教程，關鍵是有一批無私且專業的網友，將其翻譯成中文，並有中英文對照，與Andrew Ng商量後貼在了原網址上。非常感謝這些人啊。對於一個初學者，如果單純從英文教材（視頻）入手的話，會比較吃力，很多概念都沒建立起來，很多術語都沒有掌握，而這個教程設計機器學習很多的基本概念，並附有matlab習題，通過循序漸進的練習，可以更快掌握基本概念。另外這個的好處是不像一般教材，面面俱到，很多追究的太深，不利於初學者建立概念！有了這個的基礎之後，再去看相關著作或者論文，肯定得心應手。
入門的有李航的《統計學習方法》，講得挺明白的。還有PRML，ELS。
機器學習：《數據挖掘實用機器學習工具與技術》、《數據挖掘導論》、《機器學習》、,《數據挖掘與機器學習WAKA應用技術與實踐》Python：《利用Python進行數據分析》、《Python基礎教程》、《Python Cookbook》、《「笨辦法」學Python》MATLAB：《精通MATLAB》、《MATLAB R2014a從入門到精通》、《MATLAB R2014a完全自學一本通》、《MATLAB寶典》資料庫：《MongoDB權威指南》、《資料庫系統概念》、《SQL語言與資料庫操作技術大全》、《Oracle從入門到精通》R語言：《統計建模與R軟體》、《R語言實戰》、《ggplot2數據分析與圖形藝術》、《數據挖掘與R語言》
Theodoridis出的pattern recognition，個人推薦如果要計算機視覺的話，推薦這本：computer vision：a modern approach
圖像處理的話如果要馬上實踐的話直接去看OpenCV的書吧，記得OReily出過"Learning OpenCV"，應該已經有中文版了。