机器学习路线图

这一份机器学习路线图紧张分为 4 大部分：根本观点、算法、用例以及所用工具。

根本观点部分紧张包括机器学习中常用的观点，比如梯度低落、演习集、测试集、验证集等；

算法部分列举了 4 类算法：监督学习、无监督学习、集成学习和强化学习；

用例部分列举了情绪剖析、协同过滤、标注和预测；

所用工具部分则先容 scikit-learn、spacy 等工具。

深度学习路线图

在机器学习路线结束后，就可以进阶进入深度学习路线啦，这是本文图示中学习路线的末了一部分。

深度学习路线图由 4 大部分组成：论文、神经网络、网络架构以及所用工具。

论文部分供应了深度学习论文阅读路线图以及 SOTA 论文；

神经网络部分供应了一篇详细先容如何理解神经网络的博客文章；

网络架构部分包括感知器、自动编码器、CNN、RNN；

所用工具部分紧张先容TensorFlow 、PyTorch等。

除了机器学习路线和深度学习路线之外，这条学习路线还包含有数据科学家、数据工程师以及大数据工程师的学习路线。
想要更多理解的同学们可以进入：

https://github.com/AMAI-GmbH/AI-Expert-Roadmap

相信你在参考了这条人工智能学习路线后，一定会受此启示，快速地入门学习人工智能，并且可以合营Github上开源的演习集、测试集做一些上手实践的项目。
除了这份学习路线，你或许还须要下面10本人工智能领域最脱销的图书！

精选好书，献礼读者。

01

深度学习

本书为三大部分，第一部分先容运用数学根本知识和机器学习的基本观点，第二部分先容业界经典的深度学习算法，第三部分是一些探索性研究，对深度学习的未来发展非常主要。
本书假定读者拥有打算机科学的背景，熟习编程，对打算性能、繁芜度问题、图论知识以及入门的微积分理解。

02

动手学深度学习

广告

动手学深度学习

作者：阿斯顿·张（Aston Zhang） 李沐（Mu Li）[美] 扎卡里·C. 立

当当

本书不仅阐述深度学习的算法事理，还演示它们的实现和运行。
本书共分3个部分：第一部分先容深度学习的背景，供应预备知识，并包括深度学习最根本的观点和技能；第二部分描述深度学习打算的主要组成部分，还阐明近年来令深度学习在多个领域大得胜利的卷积神经网络和循环神经网络；第三部分评价优化算法，考验影响深度学习打算性能的主要成分，并分别列举深度学习在打算机视觉和自然措辞处理中的主要运用。

03

Python神经网络编程

广告

Python神经网络编程(异步图书出品)

作者：[英]塔里克·拉希德（Tariq Rashid）

京东

本书首先从大略的思路动手，详细先容了理解神经网络如何事情所必须的根本知识。
第一部分先容基本的思路，包括神经网络底层的数学知识，第2部分是实践，先容了学习Python编程的盛行和轻松的方法，从而逐渐利用该措辞构建神经网络，以能够识别人类手写的字母，特殊是让其像专家所开拓的网络那样地事情。
第3部分是扩展，先容如何将神经网络的性能提升到工业运用的层级，乃至让其在Raspberry Pi上事情。

04

人工智能（第2版）

广告

人工智能 第2版

作者：[美]史蒂芬·卢奇（Stephen Lucci），丹尼·科佩克（Danny Ko

当当

本书共为17章，讲述了如何多样化探索人工智能领域，原书在亚马逊上收到浩瀚高校老师和学生的好评。
书中不仅先容了人工智能的根本理论，还先容了机器学习、神经网络、自然措辞处理等热门话题，帮助读者全方位理解人工智能领域的方方面面。
本书既适宜作为教材，也适宜作为个人阅读的参考指南。

05

Python数学编程

广告

Python数学编程(异步图书出品)

作者：[澳],阿米特·萨哈（Amit,Saha）

京东

本书将程序设计和数学奥妙地结合起来，从大略的项目开始，运用Python办理高中和大学低年级的数学问题，比如几何、概率、统计以及微积分等，为进一步学习更繁芜的数学内容以及Python编程措辞打下坚实的根本。
本书也可作为Python初学者的入门读物，通过学习书中的示例程序和完成那些编程寻衅，读者可以提高自己的编程能力和技巧。

06

自然措辞处理实战

广告

自然措辞处理实战 利用Python理解、剖析和天生文本(异步图书出品)

作者：[美]霍布森·莱恩，科尔·霍华德，汉纳斯·马克斯·哈普克

京东

本书是先容自然措辞处理（NLP）和深度学习的实战书。

NLP已成为深度学习的核心运用领域，而深度学习是NLP研究和运用中的必要工具。
本书分为3部分：第一部分先容NLP根本，包括分词、TF-IDF向量化以及从词频向量到语义向量的转换；第二部分讲述深度学习，包含神经网络、词向量、卷积神经网络（CNN）、循环神经网络（RNN）、是非期影象（LSTM）网络、序列到序列建模和把稳力机制等基本的深度学习模型和方法；第三部分先容实战方面的内容，包括信息提取、问答系统、人机对话等真实天下系统的模型构建、性能寻衅以及应对方法。
本书面向中高等Python开拓职员，兼具根本理论与编程实战，是当代NLP领域从业者的实用参考书。

07

人工智能根本 数学知识

广告

人工智能根本 数学知识(异步图书出品)

作者：张晓明

京东

本书基于盛行的Python措辞，普通易懂地先容了入门人工智能领域必须必会的数学知识，旨在让读者轻松节制并学甚至用。
本书分为线性代数、概率和优化等3篇，共21章，覆盖了人工智能领域中主要的数学知识点。
本书写作风格普通有趣，读者可在潜移默化中节制这些数学知识以及干系的编程操作，并能从工程落地的角度深刻理解数学在个中的扮演角色和魅力。
本书适宜希望投身于人工智能领域且想有一番作为的职员阅读，还适宜对人工智能领域背后的逻辑感兴趣的职员阅读。
本书还可作为各大高校人工智能专业的参考用书。

08

人工智能算法 卷1 根本算法

广告

人工智能算法 卷1 根本算法(异步图书出品)

作者：[美]杰弗瑞·希顿（Jeffery,Heaton）

京东

算法是人工智能技能的核心。
本书先容了人工智能的根本算法，全 书共10 章，涉及维度法、间隔度量算法、K 均值聚类算法、偏差打算、 爬山算法、仿照退火算法、Nelder-Mead 算法和线性回归算法等。
书中 所有算法均配以详细的数值打算来进行讲解，读者可以自行考试测验。
每章 都配有程序示例，GitHub 上有多种措辞版本的示例代码可供下载。
本书适宜作为人工智能入门读者以及对人工智能算法感兴趣的读者 阅读参考。

09

PyTorch深度学习

广告

PyTorch深度学习(异步图书出品)

作者：[印度]毗湿奴·布拉马尼亚（Vishnu,Subramanian）

京东

本书详细讲解了如何利用前沿的深度学习库PyTorch来办理所有的深度学习需求，读者可利用PyTorch演习神经网络，提升其速率和灵巧性，以及如何在不同的场景中运用神经网络。
本书涵盖了ResNET、Inception、DenseNet等在内的高等神经网络架构以及它们的运用案例。
本书适宜数据剖析师、数据科学家，以及对深度学习感兴趣且希望在系统中实行深度学习最佳做法的读者阅读。

10

机器学习精讲

广告

机器学习精讲 全彩印刷(异步图书出品)

作者：[加拿大],安德烈·布可夫（Andriy,Burkov）

京东

本书用简短的篇幅、精髓精辟的措辞，讲授机器学习领域必备的知识和技能。
全书共11章和一个术语表，依次先容了机器学习的基本观点、符号和定义、算法、基本实践方法、神经网络和深度学习、问题与办理方案、进阶操作、非监督学习以及其他学习办法等，涵盖了监督学习和非监督学习、支持向量机、神经网络、集成学习、梯度低落、聚类剖析、维度降落、自编码器、迁移学习、强化学习、特色工程、超参数调试等浩瀚核心观点和方法。
全书末了给出了一个较为详尽的术语表。
本书能够帮助读者理解机器学习是如何事情的，为进一步理解该领域的繁芜问题和进行深入研究打好根本。
本书适宜想要学习和节制机器学习的软件从业职员、想要利用机器学习技能的数据科学家阅读，也适宜想要理解机器学习的一样平常读者参考。

11

贝叶斯思维：统计建模的Python学习法

广告

贝叶斯思维 统计建模的Python学习法(异步图书出品)

作者：[美]Allen B.Downey

京东

贝叶斯统计学方法正变得日益主要和日益遍及。
但是市场上适宜初学者的资源很少。
本书基于作者在大学讲授的课程，可以帮助读者得到一个良好的开端，诸如利用Python编程，处理统计学中的估值，预测，决策剖析，假设考验等问题。
书中包含掷骰子等大略的例子，也有办理现实问题的实际算例。

12

PyTorch天生对抗网络编程

天生对抗网络（Generative Adversarial Network，GAN）是神经网络领域的新星，被誉为“机器学习领域近20 年来最酷的想法”。
本书以直白、简短的办法向读者先容了天生对抗网络，并且教读者如何利用PyTorch按部就班地编写天生对抗网络。

本书适宜想初步理解GAN以及其事情事理的读者,也适宜想要学习如何构建GAN的机器学习从业职员。
对付正在学习机器学习干系课程的学生，本书可以帮助读者快速入门，为后续的学习打好根本。

13

人工智能算法（卷2）：受大自然启示的算法

算法是人工智能技能的核心，大自然是人工智能算法的主要灵感来源。
本书先容了受到基因、鸟类、蚂蚁、细胞和树影响的算法，这些算法为多种类型的人工智能场景供应了实际办理方法。
全书共10章，涉及种群、交叉和突变、遗传算法、物种形成、粒子群优化、蚁群优化、细胞自动机、人工生命和建模等问题。
书中所有算法均配以详细的数值打算来进行讲解，每章都配有程序示例，读者可以自行考试测验。

14

机器学习测试入门与实践

本书全面且系统地先容了机器学习测试技能与质量体系培植，能够帮助读者理解机器学习是如何事情的，理解机器学习的质量保障是如何进行的。
工程开拓职员和测试工程师通过阅读本书，可以系统化地理解大数据测试、特色测试及模型评估等知识；算法工程师通过阅读本书，可以学习模型评测的方法和拓宽模型工程实践的思路；技能专家和技能管理者通过阅读本书，可以理解机器学习质量保障与工程效能的培植方案。