学习数据科学的8类必读书籍（中)

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：为方便对数据科学（DATA SCIENCE）感兴趣的爱好者和实操者的学习，本文作者分享了 8 类关于数据科学的书籍，包括统计/概率论类、机器学习类、数据可视化与分析类、深度学习类、自然语言处理（NLP）类、计算机视觉类、人工智能类和工具/语言类。在分享书籍的同时，作者还提出以下忠告：在数据科学领域有多种成功的途径，而我们要选择的途径应该是足够简单，足以帮助我们快速上手的。

我们之所以在选择学习方法上不知所措，往往是因为我们接触的信息量太大了。与其花更多的时间思考如何获得研究数据科学的技能，不如根据实际需要，从分享的书中挑选一本，然后开始学习。关键是要始终如一地采取行动，坚持阅读。阅读的目的是，学习和发现隐藏于书中的真实思想。对数据科学感兴趣的朋友们，如果你还没选好学习材料，就请阅读作者推荐的这些顶级书籍吧。本文来自编译，希望对您有帮助。因篇幅原因，本篇文章分三部分刊出，此为第二部分：

相关阅读：学习数据科学的8类必读书籍（上）

4. 深度学习类书籍

（1）《基于Python的深度学习》（Deep Learning with Python）

作者：弗朗索瓦·乔莱特（Francois Chollet）

弗朗索瓦是 Keras（一个由Python编写的人工神经网络库，可以作为Tensorflow、Microsoft-CNTK 和 Theano 的高阶应用程序接口，进行深度学习模型的设计、调试/评估、应用和可视化）的创造者，还有比他更好的 Python 老师吗？我同时建议大家在 Twitter 上关注 Francois，因为我们可以从他身上学到很多东西。

图19. 《基于Python的深度学习》

（2）《使用Python进行深度学习》（TheDeep LearningWithPython）

这本书从一个实用的方法开始叙述，因此我们可以直接从该书中学习几个有用的技术。书中内容贴近现实，在阅读后你可以立即将其应用于行动。这绝对是一本深度学习的必读书目。

图20. 《使用Python进行深度学习》

（3）《深度强化学习基础——Python的理论与实践》（Foundations of Deep Reinforcement Learning — Theory and Practice in Python）

作者：劳拉·格雷塞尔，华龙径（Laura Graesser and Wah Loon Keng）

这是一本探索深度强化学习的高阶教科书。深度强化学习（Deep Reinforcement Learning），是利用人工智能学习解决顺序决策问题的方法。对于任何一个有机器学习方面的工作知识，并希望使用深度强化学习解决问题的人来说，这是一本写得很好的书。

图21. 《深度强化学习基础——Python的理论与实践》

（4）《深度学习图解——一个视觉的，交互式的人工智能指南》（Deep Learning Illustrated — A Visual, Interactive Guide to Artificial Intelligence）

作者：约翰·克罗恩，格兰特·贝莱维德，艾格拉·巴森斯（John Krohn, Grant Beyleveld, Aglae Bassens）

这是一本实用的参考书，可以帮助我们建立自己对深度学习算法的直觉。在这个可视化的、交互式的指南中，我们不仅能学到理论，还能学到相应的可在 Jupyter notebooks（基于网页的用于交互计算的应用程序。可被应用于全过程计算：开发、文档编写、运行代码和展示结果）上运行的实例。

图22. 《深度学习图解——一个视觉的，交互式的人工智能指南》

（5）《Python机器学习》（Python Machine Learning）

作者：奥雷林·杰隆（Aurelien Geron）

这本书的内容介于机器学习的中级和高级阶段之间。它能满足所有该领域的专家和非专家的个人需求。这本书首先详细地介绍了机器学习和深度学习，然后过渡到更高级的方法。它堪称是一本奇妙的书！

图23. 《Python机器学习》

5.自然语言处理(NLP)类书籍

（1）《使用Python进行自然语言处理》（Natural Language Processing with Python）

图24. 《使用Python进行自然语言处理》

作者:史蒂文·伯德，伊万·克莱因，爱德华·洛珀（Steven Bird，Ewan Klein，Edward Lope）

这又是一本坚持“边学边实践”原则的书。我们需要学习 Python 的相关概念，如果对这些概念一无所知，将无法使用 NLTK 库（Natural Language Toolkit）在 NLP 世界中航行。

（2）《统计自然语言处理基础》（Foundations of Statistical Natural Language Processing）

图25. 《统计自然语言处理基础》

作者：克里斯托弗·曼宁，辛里奇·舒茨（Christopher Manning，Hinrich Schutze）

这是一本内容非常全面的指南，它涵盖了 NLP 中广泛的子主题，比如文本分类、词性标注、概率句法分析等。作者在书中加入了严格的数学和语言学基础内容。这本书写得非常详细，读后能让我们牢记不忘。

（3）《语音和语言处理》（Speech and Language Processing）

图26. 《语音和语言处理》

作者：丹尼尔·朱拉夫斯基，詹姆斯·H·马丁（Daniel Jurafsky和James H. Martin）

这本书论述的重点是对自然语言的实际应用和科学评价。它是朱拉夫斯基和马丁写的一本深入的关于 NLP 和计算语言学的书。也是大师们以自己为素材而著的作品。

6.计算机视觉类书籍

（1）《计算机视觉：算法与应用》（Computer Vision: Algorithms and Applications）

图27. 《计算机视觉：算法与应用》

作者：理查德·塞利斯基（Richard Szeliski）

本书探索了各种常见的计算机视觉技术。这是一本内容全面的书，它采取了科学的方法来解决基本的计算机视觉问题。

（2）《用 Python 编程计算机视觉》（Programming Computer Vision with Python）

图28. 《用Python编程计算机视觉》

作者：扬·埃里克·索莱姆（Jan Erik Solem）

大家在深入阅读这本令人惊叹的书之前，请访问书中链接的网站，下载数据集、代码笔记本，并复制那里提到的 GitHub 存储库。这本书对计算机视觉世界的讲解，是在数据集、代码笔记本和 GitHub 存储库的基础上完成的。

（3）《计算机视觉：模型、学习和推理》（Computer Vision: Models, Learning, and Inference）

图29. 《计算机视觉：模型、学习和推理》

作者：西蒙·J·D·普林斯（Simon J.D. Prince）博士

这本书从零基础开始，向我们介绍了概率的概念。在此基础上，迅速加快进程，介绍了 70 种以上的算法并插入 350 张以上的图片作为补充说明。

7.人工智能类书籍

（1）《人工智能：一种现代方法》（Artificial Intelligence: A Modern Approach）

图30. 《人工智能：一种现代方法》

作者：斯图尔特·拉塞尔，彼得·诺维格（Stuart Russell，Peter Norvig）

是斯图尔特·拉塞尔和彼得·诺维格所写的书！绝对的宝藏书籍。此书是人工智能领域的重要著作。内容包括语音识别、自动驾驶汽车、机器翻译和计算机视觉等人工智能组件，它可以被视为关于人工智能的鼻祖级别的书。

（2）《人类的人工智能》（Artificial Intelligence for Humans）

图31. 《人类的人工智能》

作者：杰夫·希顿（Jeff Heaton）

人工智能背后的基础算法是什么？这本仅仅 222 页的书包含了大量的技术知识。它是关于 AI 背后技术（维度、距离度量、聚类、错误计算、爬山、用于求多元函数局部最小值的 Nelder Mead 算法、线性回归）系列书籍的第 1 卷。此书还附带了一个网站，里面包括了书中引用的例子和一个包含代码的 GitHub 库。