這兩年人工智能非常火熱，所以，書籍和學習資料也層出不窮，有一些資源非常好，但是也有一些資料質量低劣，選擇一份好的學習資源猶如大海撈針，如果不慎重選擇，不僅耽誤時間、耗費大量的精力，而且容易引起誤導，因此本文就推薦基本比較優秀的學習資源，附上中英文電子書和源代碼，需要的可以關注微信公眾號“平凡而詩意”，回覆ML獲取。
前言
這兩年隨著人工智能升溫，很多不同專業、不同領域的人想進入這個方向，隔行與隔山，很多人很迷茫，機器學習相關的書籍和資料多如牛毛，該怎麼選擇？
的確，機器學習和人工智能相關的書籍和資料實在太多，有一些的確很不錯，但是有一些資料卻不敢恭維，由於有的作者對人工智能還沒理解透徹，如果"不幸"選中了這些書籍，不僅耽誤時間浪費精力，而且還會引起歧義、造成誤導。因此，我在此推薦基本我認為不錯的機器學習相關的8本書籍，同時附帶源碼，感興趣的可以關注微信公眾號回覆關鍵字獲取。
機器學習八大名著
如果進行細分把機器學習和深度學習分開的話，這5本書籍有3本屬於傳統機器學習，有6本屬於深度學習，詳細介紹如下：
傳統機器學習
- 《機器學習》周志華
我想很多人對這本"西瓜書"都不陌生，南大著名教授周志華的作品，語言通俗而不晦澀，講解內容也是由淺入深，條理非常清晰，我個人覺得質量是非常高的。
- 《統計學習方法》李航
相對於周志華教授的《機器學習》，我覺得李航的《統計學習方法》涉及更多數學理論，如果說《機器學習》適用於初學者的話，《統計學習方法》需要有一定數學基礎，當然，要求也不會太深。
- 《機器學習實戰》
我認為想要深入的理解傳統機器學習《機器學習實戰》這本書是很有必要看的，這本書幾乎涵蓋了傳統機器學習的所有算法，而且對於每個算法都是從淺入深，結合代碼一步一步實現，而且對每一步的含義解釋也非常清楚，而且會結合實例從頭至尾實現一遍，能夠讓人對機器學習深入的原理有更加清晰的認識。
深度學習
- 《機器學習訓練秘籍》吳恩達
吳恩達自然不必多介紹，人工智能大牛，而且他的兩門在線課程非常有名氣，也是很多入門的首選。吳恩達推出的《機器學習訓練秘籍》比較偏重策略，因為，我們知道，在深度學習過程中，工作時間一大部分被數據準備和處理佔據，而另一大部分時間被模型調優佔據，怎麼處理方差和偏差？怎麼通過處理數據集加速迭代？怎麼優化指標和滿意度指標？等等，我們都可以在這本書中找到答案。
- 《Deep Learning with Python》
keras之父在深度學習領域的力作，該書自出本以來就備受好評，書中涉及CNN、RNN、GAN等深度學習中常用的網絡模型，學習過程中不僅能夠學習keras這個高級深度學習框架，還能學習深度學習各個方向的模型和知識。
- 《Python Machine Learning》
本書使用傳統機器學習框架scikit-learn和深度學習框架tensorflow進行講解，內容涉及傳統機器學習和深度學習，內容簡單而不枯燥，而且知識涉及範圍非常全面。
- 《Hands-On Machine Learning with Scikit-Learn & TensorFlow》
這本書最大的特色從理論上講就是言簡意賅，全書基本上沒有太多複雜的數學公式推導，語言通俗易懂，很容易看得懂、看得下去。全書共分為兩大部分，第一部分介紹機器學習基礎算法，每章都配備 Scikit-Learn 實操項目；第二部分介紹神經網絡與深度學習，每章配備 TensorFlow 實操項目。附錄部分內容也非常豐富。正本書兼顧理論與實戰，是一本非常適合入門和實戰的機器學習書籍。
- 《Deep Learning》
這本書我在另外一篇文中已經有過介紹，Goodfellow和Bengio兩位深度學習領域的大牛所作，本書首先介紹了簡單的數學和機器學習知識，而且深入了講解了深度學習領域的技術，例如正則化等，還涉及了一些前言的深度學習研究方向，比如小批量學習、增量學習等。
以上每一本書籍都可謂是機器學習領域的名著，也非常權威，很值得好好學習一下，我把這8本書籍的中英文電子版和書中教程、示例相關的源碼放在了共享鏈接，感興趣的可以關注微信公眾號"平凡而詩意"，回覆ml獲取。
閱讀更多 Lee先森的技術站 的文章
