三天小长假,接住这份机器学习的速成野餐! - 荐书
2018-04-04 19:28
627 查看
清明小长假近在眼前,春光正好+休闲假日,难得悠闲但又不想出游化作茫茫人海……不如给自己来一场头脑的踏春之行! 如今,机器学习的发展同样步入了春季,就在上个月,谷歌发布了机器学习速成课,更是给许多准机器学习爱好者带来一阵春风,大伙儿摩拳擦掌,准备入坑。那么,入坑前的准备工作,是时候来了解一波! 据官网(https://developers.google.cn/machine-learning/crash-course)所说,在开始机器学习速成课程之前,最好能具备以下前提条件:
掌握入门级代数知识:了解变量和系数、线性方程式、函数图和直方图;
熟练掌握编程基础知识,并有使用 Python 进行编码的经验:课程中的编程练习是通过 TensorFlow 并使用 Python 进行编码的。你无需拥有使用 TensorFlow 的经验,但要能熟练阅读和编写包含基础编程结构的 Python 代码。
为了配合官网英文参考资料,帮助各位小伙伴更好地进入这门速成课程,小编携手@图灵教育 整理出了学习该课程的预备知识书单,希望能够对大家有所帮助~ 本 期 书 单 接下来,将分 Python 编程、第三方 Python 库、Bash/Shell 和 TensorFlow 、数学四部分给出参考书。 一、Python 编程基础 官方列出了所需要掌握的基础 Python 和高阶 Python 知识,我们先推荐一本基础 Python 参考书。打算入坑的读者大部分应该具有其他编程语言基础,推荐《Python基础教程(第3版)》;如果是零基础,可以阅读《Python编程:从入门到实践》。
《Python基础教程(第3版)》 作者:Magnus Lie Hetland 译者:袁国忠
22万+ 读者的选择
久负盛名的 Python 入门经典
针对 Python 3 全新升级
十个出色的项目,让你尽快可以使用 Python 解决实际问题
本书包括 Python 程序设计的方方面面: 首先,从 Python 的安装开始,介绍了 Python 的基础知识和基本概念,包括列表、元组、字符串、字典以及各种语句;然后,循序渐进地介绍了一些相对高级的主题,包括抽象、异常、魔法方法、属性、迭代器;此后,探讨了如何将 Python 与数据库、网络、C语言等工具结合使用,从而发挥出 Python 的强大功能,同时介绍了 Python 程序测试、打包、发布等知识;最后,作者结合前面讲述的内容,按照实际项目开发的步骤向读者介绍了 10 个具有实际意义的 Python 项目的开发过程。 购书可戳:https://item.jd.com/12279949.html 二、第三方 Python 库 《Python数据科学手册》主打 IPython、NumPy、Pandas、Matplotlib 和 Scikit-Learn,谷歌机器学习速成课给出的是 Matplotlib、Seaborn、Pandas、NumPy、Scikit-Learn,查了下,手册里也讲了 Seaborn,所以它非常适合作为速成课的 Python 库查询手册。
《Python数据科学手册》 作者:Jake VanderPlas 译者:陶俊杰,陈小莉
全面同时综合评价度最高的 Python 数据处理参考读本
Scikit-Learn、IPython 等诸多库的代码贡献者,华盛顿大学 eScience 学院物理科学研究院院长作品
掌握用 Scikit-Learn、NumPy 等工具高效存储、处理和分析数据
大量示例 + 逐步讲解 + 举一反三,从计算环境配置到机器学习实战,切实解决工作痛点
本书以 IPython、NumPy、Pandas、Matplotlib 和 Scikit-Learn 这 5 个能完成数据科学大部分工作的基础工具为主,从实战角度出发,讲授如何清洗和可视化数据、如何用数据建立各种统计学或机器学习模型等常见数据科学任务,旨在让各领域与数据处理相关的工作人员具备发现问题、解决问题的能力。 购书可戳:https://item.jd.com/12293703.html 三、 [b]TensorFlow 和 Bash/Shell[/b] 1、TensorFlow 课程需要低阶 TensorFlow 基础知识,官方说没有相关知识没关系,可以边学课程边了解。如果有的读者想提前熟悉,我们也推荐一本参考书。
《TensorFlow入门与实战》 作者:罗冬日
讲解深度学习的原理和 TensorFlow 框架应用,并配有详实的代码实例
通过本书,你能快速上手搭建一个深度学习应用
内容由浅入深,包含全连接网络、卷积神经网络和循环神经网络、分布式训练等
赵娟(博士后,范德堡大学医学中心 )、刘光远(Facebook资深工程师 )、张科(微软高级工程师) 联袂推荐
TensorFlow 是目前最活跃的深度学习框架。本书基于1.3版本,首先介绍了它的安装和基本用法,然后讨论了深度学习的基本概念,包括神经网络前向计算、损失函数、反向传播计算和优化函数等,接着介绍了卷积神经网络和循环神经网络,最后介绍了在大规模应用的场景下,如何实现分布式的深度学习训练。 购书可戳:https://item.jd.com/12307221.html 2、Bash 终端/云端控制台 要在本地计算机上或云端控制台中运行编程练习,应该能熟练使用命令行,所以推荐这本非常经典的《Linux命令行与Shell脚本编程大全》。
《Linux命令行与Shell脚本编程大全》 作者: Richard Blum,Christine Bresnahan 译者: 门佳,武海峰
Linux 命令行圣经,美国亚马逊五星推荐
新版针对 Linux 的新特性和实践,进行了全面更新
轻松全面掌握 Linux 命令行和 Shell 脚本编程细节,实现 Linux 系统任务自动化
《Linux命令行与Shell脚本编程大全(第3版)》是一本关于 Linux 命令行与 Shell 脚本编程的全方位教程,主要包括四大部分:Linux 命令行、Shell 脚本编程基础、高级Shell脚本编程、如何创建实用的 Shell 脚本。这版针对 Linux 系统的最新特性进行了全面更新,不仅涵盖了详尽的动手教程和现实世界中的实用信息,还提供了与所学内容相关的参考信息和背景资料。通过本书的学习,你将轻松写出自己的 Shell 脚本。 购书可戳:https://item.jd.com/12010266.html 四、 数学 这一部分可以直接使用下面这套系列书,也可以参考学院派经典著作。 1、系列套书
《程序员的数学》 作者:结城浩 / 译者:管杰 介绍编程中常用的数学知识,二进制计数法、逻辑、排列组合、递归等与编程密切相关的数学方法,分析哥尼斯堡七桥问题、汉诺塔、斐波那契数列等经典问题和算法。
《程序员的数学2:概率统计》 作者:平岡和幸 堀玄 / 译者:陈筱烟 讲解程序员必须掌握的各类概率统计知识,例证丰富,涉及随机变量、贝叶斯公式、离散值和连续值的概率分布、协方差矩阵、多元正态分布、伪随机数等及各类应用。
《程序员的数学3:线性代数》 作者:平岡和幸 堀玄 / 译者:卢晓南 通俗的语言和具象的图表讲解编程中所需的线性代数知识,涉及向量、矩阵、行列式、秩、逆矩阵、线性方程、LU分解、特征值、对角化、Jordan标准型、特征值算法等。
《程序员的数学》系列套书是最受程序员喜爱的数学参考书,圈粉无数。学习起来超轻松不说,主要是知识点讲解够透彻,将程序员所具备的数学思维传达得一览无余。 购书可戳:https://item.jd.com/11926068.html 2、学院派经典著作三本
《线性代数应该这样学》 作者:Sheldon Axler 译者:杜现昆,刘大艳,马晶
原版畅销 30 多个国家,被 200 多所高校教材采纳为教材
累计销量 4 万多册。完全抛开行列式来描述线性算子的基本理论
起点较低,不需要太多预备知识,而且特色鲜明
本书强调抽象的向量空间和线性映射,内容涉及多项式、本征值、本征向量、内积空间、迹与行列式等。本书在内容编排和处理方法上与国内通行的做法大不相同,它完全抛开行列式,采用更直接、更简捷的方法阐述了向量空间和线性算子的基本理论。书中对一些术语、结论、数学家、证明思想和启示等做了注释,不仅增加了趣味性, 还加强了读者对一些概念和思想方法的理解。 购书可戳:https://item.jd.com/12047626.html
《概率论及其应用》 作者:William Feller 译者:胡迪鹤
畅销 60 年概率论经典教材
伟大概率学家威廉·费勒著
著名数学家胡迪鹤翻译
本书涉及面极广,不仅讨论了概率论在离散空间中的诸多课题,也涉及了概率论在物理学、化学、生物学(特别是遗传学)、博弈论及经济学等方面的应用。 购书可戳:https://item.jd.com/11381897.html
《普林斯顿微积分读本》 作者:阿德里安·班纳 译者:杨爽,赵晓婷,高璞
审读出版修订版,豆瓣评分 9.8 分
一本将易用性与可读性以及内容的深度与数学的严谨完美地结合在一起的经典著作
风靡美国大学的微积分复习课程,最受图灵读者喜爱的高等数学参考书
《普林斯顿微积分读本(修订版)》是作者多年来给普林斯顿大学本科一年级学生开设微积分的每周复习课。本书专注于讲述解题技巧,目的是帮助读者学习一元微积分的主要概念。深入处理一些基本内容,还复习一些主题。本书不仅可以作为参考书,也可以作为教材,是学习一元微积分的绝佳指导书。 购书可戳:https://item.jd.com/12056402.html
掌握入门级代数知识:了解变量和系数、线性方程式、函数图和直方图;
熟练掌握编程基础知识,并有使用 Python 进行编码的经验:课程中的编程练习是通过 TensorFlow 并使用 Python 进行编码的。你无需拥有使用 TensorFlow 的经验,但要能熟练阅读和编写包含基础编程结构的 Python 代码。
为了配合官网英文参考资料,帮助各位小伙伴更好地进入这门速成课程,小编携手@图灵教育 整理出了学习该课程的预备知识书单,希望能够对大家有所帮助~ 本 期 书 单 接下来,将分 Python 编程、第三方 Python 库、Bash/Shell 和 TensorFlow 、数学四部分给出参考书。 一、Python 编程基础 官方列出了所需要掌握的基础 Python 和高阶 Python 知识,我们先推荐一本基础 Python 参考书。打算入坑的读者大部分应该具有其他编程语言基础,推荐《Python基础教程(第3版)》;如果是零基础,可以阅读《Python编程:从入门到实践》。
《Python基础教程(第3版)》 作者:Magnus Lie Hetland 译者:袁国忠
22万+ 读者的选择
久负盛名的 Python 入门经典
针对 Python 3 全新升级
十个出色的项目,让你尽快可以使用 Python 解决实际问题
本书包括 Python 程序设计的方方面面: 首先,从 Python 的安装开始,介绍了 Python 的基础知识和基本概念,包括列表、元组、字符串、字典以及各种语句;然后,循序渐进地介绍了一些相对高级的主题,包括抽象、异常、魔法方法、属性、迭代器;此后,探讨了如何将 Python 与数据库、网络、C语言等工具结合使用,从而发挥出 Python 的强大功能,同时介绍了 Python 程序测试、打包、发布等知识;最后,作者结合前面讲述的内容,按照实际项目开发的步骤向读者介绍了 10 个具有实际意义的 Python 项目的开发过程。 购书可戳:https://item.jd.com/12279949.html 二、第三方 Python 库 《Python数据科学手册》主打 IPython、NumPy、Pandas、Matplotlib 和 Scikit-Learn,谷歌机器学习速成课给出的是 Matplotlib、Seaborn、Pandas、NumPy、Scikit-Learn,查了下,手册里也讲了 Seaborn,所以它非常适合作为速成课的 Python 库查询手册。
《Python数据科学手册》 作者:Jake VanderPlas 译者:陶俊杰,陈小莉
全面同时综合评价度最高的 Python 数据处理参考读本
Scikit-Learn、IPython 等诸多库的代码贡献者,华盛顿大学 eScience 学院物理科学研究院院长作品
掌握用 Scikit-Learn、NumPy 等工具高效存储、处理和分析数据
大量示例 + 逐步讲解 + 举一反三,从计算环境配置到机器学习实战,切实解决工作痛点
本书以 IPython、NumPy、Pandas、Matplotlib 和 Scikit-Learn 这 5 个能完成数据科学大部分工作的基础工具为主,从实战角度出发,讲授如何清洗和可视化数据、如何用数据建立各种统计学或机器学习模型等常见数据科学任务,旨在让各领域与数据处理相关的工作人员具备发现问题、解决问题的能力。 购书可戳:https://item.jd.com/12293703.html 三、 [b]TensorFlow 和 Bash/Shell[/b] 1、TensorFlow 课程需要低阶 TensorFlow 基础知识,官方说没有相关知识没关系,可以边学课程边了解。如果有的读者想提前熟悉,我们也推荐一本参考书。
《TensorFlow入门与实战》 作者:罗冬日
讲解深度学习的原理和 TensorFlow 框架应用,并配有详实的代码实例
通过本书,你能快速上手搭建一个深度学习应用
内容由浅入深,包含全连接网络、卷积神经网络和循环神经网络、分布式训练等
赵娟(博士后,范德堡大学医学中心 )、刘光远(Facebook资深工程师 )、张科(微软高级工程师) 联袂推荐
TensorFlow 是目前最活跃的深度学习框架。本书基于1.3版本,首先介绍了它的安装和基本用法,然后讨论了深度学习的基本概念,包括神经网络前向计算、损失函数、反向传播计算和优化函数等,接着介绍了卷积神经网络和循环神经网络,最后介绍了在大规模应用的场景下,如何实现分布式的深度学习训练。 购书可戳:https://item.jd.com/12307221.html 2、Bash 终端/云端控制台 要在本地计算机上或云端控制台中运行编程练习,应该能熟练使用命令行,所以推荐这本非常经典的《Linux命令行与Shell脚本编程大全》。
《Linux命令行与Shell脚本编程大全》 作者: Richard Blum,Christine Bresnahan 译者: 门佳,武海峰
Linux 命令行圣经,美国亚马逊五星推荐
新版针对 Linux 的新特性和实践,进行了全面更新
轻松全面掌握 Linux 命令行和 Shell 脚本编程细节,实现 Linux 系统任务自动化
《Linux命令行与Shell脚本编程大全(第3版)》是一本关于 Linux 命令行与 Shell 脚本编程的全方位教程,主要包括四大部分:Linux 命令行、Shell 脚本编程基础、高级Shell脚本编程、如何创建实用的 Shell 脚本。这版针对 Linux 系统的最新特性进行了全面更新,不仅涵盖了详尽的动手教程和现实世界中的实用信息,还提供了与所学内容相关的参考信息和背景资料。通过本书的学习,你将轻松写出自己的 Shell 脚本。 购书可戳:https://item.jd.com/12010266.html 四、 数学 这一部分可以直接使用下面这套系列书,也可以参考学院派经典著作。 1、系列套书
《程序员的数学》 作者:结城浩 / 译者:管杰 介绍编程中常用的数学知识,二进制计数法、逻辑、排列组合、递归等与编程密切相关的数学方法,分析哥尼斯堡七桥问题、汉诺塔、斐波那契数列等经典问题和算法。
《程序员的数学2:概率统计》 作者:平岡和幸 堀玄 / 译者:陈筱烟 讲解程序员必须掌握的各类概率统计知识,例证丰富,涉及随机变量、贝叶斯公式、离散值和连续值的概率分布、协方差矩阵、多元正态分布、伪随机数等及各类应用。
《程序员的数学3:线性代数》 作者:平岡和幸 堀玄 / 译者:卢晓南 通俗的语言和具象的图表讲解编程中所需的线性代数知识,涉及向量、矩阵、行列式、秩、逆矩阵、线性方程、LU分解、特征值、对角化、Jordan标准型、特征值算法等。
《程序员的数学》系列套书是最受程序员喜爱的数学参考书,圈粉无数。学习起来超轻松不说,主要是知识点讲解够透彻,将程序员所具备的数学思维传达得一览无余。 购书可戳:https://item.jd.com/11926068.html 2、学院派经典著作三本
《线性代数应该这样学》 作者:Sheldon Axler 译者:杜现昆,刘大艳,马晶
原版畅销 30 多个国家,被 200 多所高校教材采纳为教材
累计销量 4 万多册。完全抛开行列式来描述线性算子的基本理论
起点较低,不需要太多预备知识,而且特色鲜明
本书强调抽象的向量空间和线性映射,内容涉及多项式、本征值、本征向量、内积空间、迹与行列式等。本书在内容编排和处理方法上与国内通行的做法大不相同,它完全抛开行列式,采用更直接、更简捷的方法阐述了向量空间和线性算子的基本理论。书中对一些术语、结论、数学家、证明思想和启示等做了注释,不仅增加了趣味性, 还加强了读者对一些概念和思想方法的理解。 购书可戳:https://item.jd.com/12047626.html
《概率论及其应用》 作者:William Feller 译者:胡迪鹤
畅销 60 年概率论经典教材
伟大概率学家威廉·费勒著
著名数学家胡迪鹤翻译
本书涉及面极广,不仅讨论了概率论在离散空间中的诸多课题,也涉及了概率论在物理学、化学、生物学(特别是遗传学)、博弈论及经济学等方面的应用。 购书可戳:https://item.jd.com/11381897.html
《普林斯顿微积分读本》 作者:阿德里安·班纳 译者:杨爽,赵晓婷,高璞
审读出版修订版,豆瓣评分 9.8 分
一本将易用性与可读性以及内容的深度与数学的严谨完美地结合在一起的经典著作
风靡美国大学的微积分复习课程,最受图灵读者喜爱的高等数学参考书
《普林斯顿微积分读本(修订版)》是作者多年来给普林斯顿大学本科一年级学生开设微积分的每周复习课。本书专注于讲述解题技巧,目的是帮助读者学习一元微积分的主要概念。深入处理一些基本内容,还复习一些主题。本书不仅可以作为参考书,也可以作为教材,是学习一元微积分的绝佳指导书。 购书可戳:https://item.jd.com/12056402.html
相关文章推荐
- 三天小长假,接住这份机器学习的速成野餐! - 荐书
- 学习了!谷歌今日上线基于TensorFlow的机器学习速成课程(中文版)
- 机器学习速成课程笔记10:使用TF的基本步骤
- 国庆长假前不妨先来做完这份 JavaScript 测验吧!因为......
- 三天速成!香港科技大学TensorFlow课件分享
- 全程中文:谷歌上线机器学习速成课程
- Servlet Jsp三天速成大纲
- 机器学习速成课程笔记4:降低损失 (Reducing Loss)
- Google机器学习速成课笔记(3)训练与损失
- Google---机器学习速成课程(五)-测试集/训练集/验证集Training Test and Validation Sets
- 机器学习速成课程MLCC(1)--机器学习主要术语
- Google---机器学习速成课程(七)- 特征组合 (Feature Crosses)
- Google---机器学习速成课程(十)- 分类 (Classification)
- 机器学习速成课程笔记5:降低损失 (Reducing Loss)-梯度下降法
- 机器学习速成课程笔记6:降低损失 (Reducing Loss)-学习速率
- Google---机器学习速成课程(3.2)-TF
- 机器学习速成课程学习讲义1
- 机器学习速成课程MLCC(2)--深入了解机器学习 (Descending into ML)
- 机器学习速成课程笔记8:降低损失 (Reducing Loss)-随机梯度下降法
- Google---机器学习速成课程(十二)- 神经网络简介 (Introduction to Neural Networks)