分布式与云计算 2017年十本必读的大数据&人工智能领域书

中兴大数据按：春节马上到了，去年定下的阅读计划完成了吗？新的Flag是否已经立下？无论是给去年画一个完美的句号，还是给新年做一个良好的开端，春节长假都是阅读的好时机。公众号数据猿（datayuancn）为大家挑选了十本2017年大数据&人工智能领域“最受欢迎”的书籍，赶紧加入到你的阅读计划吧。

”

part 1：工具篇

《机器学习之路——Caffe、Keras、scikit-learn实战》

该书从内容方面共包含两部分内容：机器学习篇和深度学习篇。

机器学习篇（1～3 章）：主要从零开始，介绍什么是数据特征，什么是机器学习模型，如何训练模型、调试模型，以及如何评估模型的成绩。通过一些简单的任务例子，讲解在使用模型时如何分析并处理任务数据的特征，如何组合多个模型共同完成任务，并在第3章初步尝试将机器学习技术运用到股票交易中，重复熟悉这些技术的同时，感受机器学习技术在落地到领域时常犯的错误。

深度学习篇（4～9 章）：则主要介绍了一些很基础的深度学习模型，如DNN、CNN等，简单涵盖了一些RNN 的概念描述。我们更关注模型的直观原理和背后的生物学设计理念，希望读者能够带着这些理解，直接上手应用深度学习框架。

作者介绍：

阿布，高四维，从2007年一直从事移动相关研发，曾就职奇虎360，百度等互联网公司，擅长安全领域，数据挖掘，机器学习，移动客户端等技术。个人开发软件“i美股”、“中国好声音”等在各个市场可下载。

胥嘉幸，从北京大学阶段开始接触机器学习领域，有很深的理论及数学方面独特的见解与认知，后在百度从事数据发掘分析等工作。

《深度学习原理与TensorFlow实践》

本书主要介绍了深度学习的基础原理和TensorFlow系统基本使用方法。TensorFlow是目前机器学习、深度学习领域最优秀的计算系统之一，《深度学习原理与TensorFlow实践》结合实例介绍了使用TensorFlow开发机器学习应用的详细方法和步骤。同时，《深度学习原理与TensorFlow实践》着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法，并结合实际场景和例子描述了深度学习技术的应用范围与效果。

本书从内容上共分为7个章节：

第1章：介绍了深度学习的由来以及发展趋势，简要说明了人工智能、机器学习、深度学习等名词概念之间的联系。

第2章：主要介绍了TensorFlow系统的基础知识和一些重要概念。

第3章：通过对Kaggle竞赛平台上的Titanic问题的求解实例，介绍了TensorFlow系统的基本用法，并简要介绍了机器学习问题中的一些常用的处理技巧。

第4章：介绍了CNN的基本原理和多个经典网络结构，并通过图像风格化的实例展示了CNN在更多场景下应用的可能性。

第5章：介绍了RNN、LSTM以及它们的多种变种结构，并通过实例介绍了如何构建实用的语言模型和对话机器人。

第6章：介绍了卷积神经网络与循环神经网络的结合，通过图像检测和图像摘要两个问题介绍了CNN+LSTM相结合的威力。

第7章：介绍了机器学习中非常重要的损失函数与优化算法在TensorFlow中的实现，对实际使用深度学习解决问题都有极大帮助。

作者简介：

喻俨，百纳信息（海豚浏览器）研发副总裁。2007年加入微软亚洲工程院，2011年加入百纳信息负责海外业务线，从0到1做过多个项目，现致力于AI和大数据产品的研究与应用。

莫瑜，先后任职于微软和海豚浏览器，从事搜索引擎、音乐检索/哼唱搜索、内容分发推荐算法和对话机器人技术研发。长期以来持续关注和实践数据算法性能优化、搜索引擎、推荐系统和人工智能技术。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-75359-1.html