美亚上受欢迎的10大神经网络书籍

作者: 佚名 2019-03-26 10:20:10

近年来,数据科学和数据挖掘越来越热门,许多人对神经网络和深度学习十分感兴趣,该主题下的书籍也呈现出爆炸式增长,判断一本书对你是否有用的方法就是看看其他人在看什么书?

本文我们罗列了截止2019年3月7日亚马逊神经网络类图书中***的10本书,希望对大家的选择有所帮助

1、《机器学习实战:基于Scikit-Learn和TensorFlow》

《机器学习实战:基于Scikit-Learn和TensorFlow》

本书主要分为两个部分。***部分为第1章到第8章,涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等,帮助读者掌握Scikit-Learn的常用方法;第二部分为第9章到第16章,探讨深度学习和常用框架TensorFlow,一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络,以及卷积神经网络。

2、《Python深度学习》

《Python深度学习》

本书由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱(François Chollet)执笔,详尽介绍了用Python和Keras进行深度学习的探索实践,涉及计算机视觉、自然语言处理、生成式模型等应用。曾获得豆瓣满分10分的好评

3、《The Book of Why》

《The Book of Why》

这是一本非常好的计算机科普读物,由图灵奖获得者Judea Pearl执笔,展示了理解因果关系如何彻底改变科学并将革新人工智能

4、《Python神经网络编程》

《Python神经网络编程》

本书揭示神经网络背后的概念,并介绍如何通过Python实现神经网络。全书分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使用Python实现神经网络,识别手写数字,并测试神经网络的性能。第3章带领读者进一步了解简单的神经网络,观察已受训练的神经网络内部,尝试进一步改善神经网络的性能,并加深对相关知识的理解。

5、《***算法》

《***算法》

作者指出机器学习五大学派,每个学派都有自己的主算法,能帮助人们解决特定的问题。而如果整合所有这些算法的优点,就有可能找到一种“***算法”,该算法可以获得过去、现在和未来的所有知识,这也必将创造新的人类文明。

6、《Python机器学习》

《Python机器学习》

本书向读者介绍了机器学习和深度学习算法,并向你展示了如何将书中的实例方法运用于实际工作中,通过这本书你不仅可以了解了解数据科学,机器学习和深度学习中的关键框架,还能学会使用TensorFlow库掌握深度神经网络实现

7、《Learning From Data》

《Learning From Data》

这本书是为机器学习的短期课程而设计的。它可以帮助打下一个良好的数据科学基础,书中很好地平衡了理论和实践的占比。

8、《增强人类》

《增强人类》

本书对人类的未来具有深刻的洞察力,鼓舞人心并且态度严谨,是你想象和创造新现实的指南。对于想要了解新方向和下一步未来的人来说,这是一本必读书籍。

9、《Machine Learning with Python 》

《Machine Learning with Python 》

本书主要介绍如何使用Python和Scikit-learn库开发成功的机器学习应用程序,通过本书,你将学到机器学习相关的重要概念和实际应用,***的机器学习算法的优缺点等

10、《MATLAB Deep Learning》

《MATLAB Deep Learning》

在这本书中,你从机器学习基础开始,然后继续学习神经网络,深度学习,然后是卷积神经网络。全书使用使用MATLAB作为底层编程语言和工具,用于本书的示例和案例研究。

神经网络 机器学习 书籍
上一篇:GitHub超过3000赞的「机器学习路线图」,教你升级打怪全攻略 下一篇:甲骨文CEO赫德:我们无需担心AI
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

需要关注的2020年8个人工智能趋势

O'Reilly公司副总裁Roger Magoulas介绍了自动化、硬件、工具、模型开发等方面的新发展,这些趋势将在2020年塑造(或加速)人工智能的发展。

Harris ·  3天前
为什么你觉得Matplotlib用起来困难?因为你还没看过这个思维导图

Matplotlib是一个流行的Python库,可以很容易地用于创建数据可视化。

机器学习与数据分析 ·  2020-01-22 16:29:52
性能提升25倍:Rust有望取代C和C++,成为机器学习首选的Python后端

在机器学习开发领域,如果我们纵观全局,撇除所有微小的细节,那么就可以提炼出机器学习开发中的两大不变步骤。

lpalmieri ·  2020-01-21 22:25:00
为什么我用Go写机器学习部署平台,而偏偏不用Python?

虽然在机器学习中,Python已经无孔不入。但Python并不是全能之神手中的魔杖可以为所欲为。

佚名 ·  2020-01-21 21:38:03
掌握这六步,搭建机器学习项目

机器学习覆盖的范围十分广泛。这篇文章将整体描述机器学习适用的典型问题,提供实现机器学习项目雏形的框架。

读芯术 ·  2020-01-19 11:10:44
赢在起跑线,数据科学必备5大技能

数据科学领域竞争激烈,人们正在迅速发展越来越多的技能和经验。“R、Python、SQL和机器学习”一直是数据科学家的标配。但随着这个领域的发展,这些技能已经渐渐不足以在就业市场上保持竞争力了。

读芯术 ·  2020-01-16 19:03:04
机器学习如何推动数据中心发展?

大数据革命引发了数据中心的爆炸式增长,这些中心正在以越来越高的速率消耗能源。本文回顾了两种提高数据中心效率的标准方法,并认为第三种方法-机器学习-是优秀的解决方案。

CDA数据分析师 ·  2020-01-15 16:58:46
12个现实世界中的机器学习真相

当你在现实世界中工作时,有几个事实是你必须面对的,这也是本文的主要内容。

AI公园 ·  2020-01-15 12:43:51
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载