资源|5本深度学习和10本机器学习书籍（免费下载）

全球人工智能：专注为AI开发者提供全球最新AI技术动态和社群交流。用户来源包括：北大、清华、中科院、复旦、麻省理工、卡内基梅隆、斯坦福、哈佛、牛津、剑桥等世界名校的AI技术硕士、博士和教授；以及谷歌、腾讯、百度、脸谱、微软、华为、阿里、海康威视、滴滴、英伟达等全球名企的AI开发者和AI科学家。

---

内容来源：datasciencecentral

5本深度学习书籍资源推荐

深度学习（Deep Learning） by Ian Goodfellow and Yoshua Bengio and Aaron Courville

中文版下载地址：https://github.com/exacity/deeplearningbook-chinese

R语言深度学习实践指南（Deep Learning Made Easy with R） by Dr. N.D. Lewis

下载地址：http://download.csdn.net/detail/oscer2016/9829915

深度学习基础（Fundamentals of Deep Learning） by Nikhil Buduma

下载地址：http://www.taodocs.com/p-32598980.html

神经网络和统计学习（Neural networks and statistical learning） by K.-L. Du and M.N.s. Swamy

下载地址：http://download.csdn.net/detail/oscer2016/9829919

神经网络和深度学习（Neural Networks and Deep Learning） by Michael Niels

下载地址：http://download.csdn.net/download/newhotter/9651111

10本机器学习书籍资源推荐

机器学习、神经网络和统计分类（Machine Learning, Neural Networks, and Statistical Classification） by 

D. Michie, D.J. Spiegelhalter, C.C. Taylor

下载地址：http://www1.maths.leeds.ac.uk/~charles/statlog/

贝叶斯推理和机器学习（Bayesian Reasoning and Machine Learning） by David Barber

下载地址：http://web4.cs.ucl.ac.uk/staff/D.Barber/pmwiki/pmwiki.php?n=Brml.Online

机器学习的高斯过程（Gaussian Processes for Machine Learning） by Carl Edward Rasmussen and Christopher K. I. Williams，The MIT Press

下载地址：http://www.gaussianprocess.org/gpml/

信息理论、推理和学习算法（Information Theory, Inference, and Learning Algorithms） by David J.C. MacKay

下载地址：http://www.inference.phy.cam.ac.uk/mackay/itprnn/book.html

统计学习元素（The Elements of Statistical Learning） by Trevor Hastie, Robert Tibshirani, Jerome Friedman

下载地址：http://statweb.stanford.edu/~tibs/ElemStatLearn/printings/ESLII_print10.pdf

机器学习课程（A Course in Machine Learning） by Hal Daumé III

下载地址：http://ciml.info/

机器学习导论（Introduction to Machine Learning） by Amnon Shashua，Cornell University

下载地址：https://arxiv.org/abs/0904.3664v1

强化学习（Reinforcement Learning）

下载地址：https://www.intechopen.com/books/reinforcement_learning

机器学习导论（Introduction to Machine Learning） - By Nils Nilsson 

下载地址：http://ai.stanford.edu/~nilsson/mlbook.html

强化学习（Reinforcement Learning） - MIT Press

下载地址：http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html

热门文章推荐