神譯局是36氪旗下編譯團(tuán)隊(duì)，關(guān)注科技、商業(yè)、職場(chǎng)、生活等領(lǐng)域，重點(diǎn)介紹國(guó)外的新技術(shù)、新觀點(diǎn)、新風(fēng)向。

編者按：為方便對(duì)數(shù)據(jù)科學(xué)（DATA SCIENCE）感興趣的愛(ài)好者和實(shí)操者的學(xué)習(xí)，本文作者分享了 8 類(lèi)關(guān)于數(shù)據(jù)科學(xué)的書(shū)籍，包括統(tǒng)計(jì)/概率論類(lèi)、機(jī)器學(xué)習(xí)類(lèi)、數(shù)據(jù)可視化與分析類(lèi)、深度學(xué)習(xí)類(lèi)、自然語(yǔ)言處理（NLP）類(lèi)、計(jì)算機(jī)視覺(jué)類(lèi)、人工智能類(lèi)和工具/語(yǔ)言類(lèi)。在分享書(shū)籍的同時(shí)，作者還提出以下忠告：在數(shù)據(jù)科學(xué)領(lǐng)域有多種成功的途徑，而我們要選擇的途徑應(yīng)該是足夠簡(jiǎn)單，足以幫助我們快速上手的。

我們之所以在選擇學(xué)習(xí)方法上不知所措，往往是因?yàn)槲覀兘佑|的信息量太大了。與其花更多的時(shí)間思考如何獲得研究數(shù)據(jù)科學(xué)的技能，不如根據(jù)實(shí)際需要，從分享的書(shū)中挑選一本，然后開(kāi)始學(xué)習(xí)。關(guān)鍵是要始終如一地采取行動(dòng)，堅(jiān)持閱讀。閱讀的目的是，學(xué)習(xí)和發(fā)現(xiàn)隱藏于書(shū)中的真實(shí)思想。對(duì)數(shù)據(jù)科學(xué)感興趣的朋友們，如果你還沒(méi)選好學(xué)習(xí)材料，就請(qǐng)閱讀作者推薦的這些頂級(jí)書(shū)籍吧。本文來(lái)自編譯，希望對(duì)您有幫助。因篇幅原因，本篇文章分三部分刊出，此為第二部分：

相關(guān)閱讀：學(xué)習(xí)數(shù)據(jù)科學(xué)的8類(lèi)必讀書(shū)籍（上）

4. 深度學(xué)習(xí)類(lèi)書(shū)籍

（1）《基于Python的深度學(xué)習(xí)》（Deep Learning with Python）

作者：弗朗索瓦·喬萊特（Francois Chollet）

弗朗索瓦是 Keras（一個(gè)由Python編寫(xiě)的人工神經(jīng)網(wǎng)絡(luò)庫(kù)，可以作為T(mén)ensorflow、Microsoft-CNTK 和 Theano 的高階應(yīng)用程序接口，進(jìn)行深度學(xué)習(xí)模型的設(shè)計(jì)、調(diào)試/評(píng)估、應(yīng)用和可視化）的創(chuàng)造者，還有比他更好的 Python 老師嗎？我同時(shí)建議大家在 Twitter 上關(guān)注 Francois，因?yàn)槲覀兛梢詮乃砩蠈W(xué)到很多東西。

圖19. 《基于Python的深度學(xué)習(xí)》

（2）《使用Python進(jìn)行深度學(xué)習(xí)》（TheDeep LearningWithPython）

這本書(shū)從一個(gè)實(shí)用的方法開(kāi)始敘述，因此我們可以直接從該書(shū)中學(xué)習(xí)幾個(gè)有用的技術(shù)。書(shū)中內(nèi)容貼近現(xiàn)實(shí)，在閱讀后你可以立即將其應(yīng)用于行動(dòng)。這絕對(duì)是一本深度學(xué)習(xí)的必讀書(shū)目。

圖20. 《使用Python進(jìn)行深度學(xué)習(xí)》

（3）《深度強(qiáng)化學(xué)習(xí)基礎(chǔ)——Python的理論與實(shí)踐》（Foundations of Deep Reinforcement Learning — Theory and Practice in Python）

作者：勞拉·格雷塞爾，華龍徑（Laura Graesser and Wah Loon Keng）

這是一本探索深度強(qiáng)化學(xué)習(xí)的高階教科書(shū)。深度強(qiáng)化學(xué)習(xí)（Deep Reinforcement Learning），是利用人工智能學(xué)習(xí)解決順序決策問(wèn)題的方法。對(duì)于任何一個(gè)有機(jī)器學(xué)習(xí)方面的工作知識(shí)，并希望使用深度強(qiáng)化學(xué)習(xí)解決問(wèn)題的人來(lái)說(shuō)，這是一本寫(xiě)得很好的書(shū)。

圖21. 《深度強(qiáng)化學(xué)習(xí)基礎(chǔ)——Python的理論與實(shí)踐》

（4）《深度學(xué)習(xí)圖解——一個(gè)視覺(jué)的，交互式的人工智能指南》（Deep Learning Illustrated — A Visual, Interactive Guide to Artificial Intelligence）

作者：約翰·克羅恩，格蘭特·貝萊維德，艾格拉·巴森斯（John Krohn, Grant Beyleveld, Aglae Bassens）

這是一本實(shí)用的參考書(shū)，可以幫助我們建立自己對(duì)深度學(xué)習(xí)算法的直覺(jué)。在這個(gè)可視化的、交互式的指南中，我們不僅能學(xué)到理論，還能學(xué)到相應(yīng)的可在 Jupyter notebooks（基于網(wǎng)頁(yè)的用于交互計(jì)算的應(yīng)用程序?？杀粦?yīng)用于全過(guò)程計(jì)算：開(kāi)發(fā)、文檔編寫(xiě)、運(yùn)行代碼和展示結(jié)果）上運(yùn)行的實(shí)例。

圖22. 《深度學(xué)習(xí)圖解——一個(gè)視覺(jué)的，交互式的人工智能指南》

（5）《Python機(jī)器學(xué)習(xí)》（Python Machine Learning）

作者：奧雷林·杰?。ˋurelien Geron）

這本書(shū)的內(nèi)容介于機(jī)器學(xué)習(xí)的中級(jí)和高級(jí)階段之間。它能滿(mǎn)足所有該領(lǐng)域的專(zhuān)家和非專(zhuān)家的個(gè)人需求。這本書(shū)首先詳細(xì)地介紹了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，然后過(guò)渡到更高級(jí)的方法。它堪稱(chēng)是一本奇妙的書(shū)！

圖23. 《Python機(jī)器學(xué)習(xí)》

5.自然語(yǔ)言處理(NLP)類(lèi)書(shū)籍

（1）《使用Python進(jìn)行自然語(yǔ)言處理》（Natural Language Processing with Python）

圖24. 《使用Python進(jìn)行自然語(yǔ)言處理》

作者:史蒂文·伯德，伊萬(wàn)·克萊因，愛(ài)德華·洛珀（Steven Bird，Ewan Klein，Edward Lope）

這又是一本堅(jiān)持“邊學(xué)邊實(shí)踐”原則的書(shū)。我們需要學(xué)習(xí) Python 的相關(guān)概念，如果對(duì)這些概念一無(wú)所知，將無(wú)法使用 NLTK 庫(kù)（Natural Language Toolkit）在 NLP 世界中航行。

（2）《統(tǒng)計(jì)自然語(yǔ)言處理基礎(chǔ)》（Foundations of Statistical Natural Language Processing）

圖25. 《統(tǒng)計(jì)自然語(yǔ)言處理基礎(chǔ)》

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

這是一本內(nèi)容非常全面的指南，它涵蓋了 NLP 中廣泛的子主題，比如文本分類(lèi)、詞性標(biāo)注、概率句法分析等。作者在書(shū)中加入了嚴(yán)格的數(shù)學(xué)和語(yǔ)言學(xué)基礎(chǔ)內(nèi)容。這本書(shū)寫(xiě)得非常詳細(xì)，讀后能讓我們牢記不忘。

（3）《語(yǔ)音和語(yǔ)言處理》（Speech and Language Processing）

圖26. 《語(yǔ)音和語(yǔ)言處理》

作者：丹尼爾·朱拉夫斯基，詹姆斯·H·馬?。―aniel Jurafsky和James H. Martin）

這本書(shū)論述的重點(diǎn)是對(duì)自然語(yǔ)言的實(shí)際應(yīng)用和科學(xué)評(píng)價(jià)。它是朱拉夫斯基和馬丁寫(xiě)的一本深入的關(guān)于 NLP 和計(jì)算語(yǔ)言學(xué)的書(shū)。也是大師們以自己為素材而著的作品。

6.計(jì)算機(jī)視覺(jué)類(lèi)書(shū)籍

（1）《計(jì)算機(jī)視覺(jué)：算法與應(yīng)用》（Computer Vision: Algorithms and Applications）

圖27. 《計(jì)算機(jī)視覺(jué)：算法與應(yīng)用》

作者：理查德·塞利斯基（Richard Szeliski）

本書(shū)探索了各種常見(jiàn)的計(jì)算機(jī)視覺(jué)技術(shù)。這是一本內(nèi)容全面的書(shū)，它采取了科學(xué)的方法來(lái)解決基本的計(jì)算機(jī)視覺(jué)問(wèn)題。

（2）《用 Python 編程計(jì)算機(jī)視覺(jué)》（Programming Computer Vision with Python）

圖28. 《用Python編程計(jì)算機(jī)視覺(jué)》

作者：揚(yáng)·埃里克·索萊姆（Jan Erik Solem）

大家在深入閱讀這本令人驚嘆的書(shū)之前，請(qǐng)?jiān)L問(wèn)書(shū)中鏈接的網(wǎng)站，下載數(shù)據(jù)集、代碼筆記本，并復(fù)制那里提到的 GitHub 存儲(chǔ)庫(kù)。這本書(shū)對(duì)計(jì)算機(jī)視覺(jué)世界的講解，是在數(shù)據(jù)集、代碼筆記本和 GitHub 存儲(chǔ)庫(kù)的基礎(chǔ)上完成的。

（3）《計(jì)算機(jī)視覺(jué)：模型、學(xué)習(xí)和推理》（Computer Vision: Models, Learning, and Inference）

圖29. 《計(jì)算機(jī)視覺(jué)：模型、學(xué)習(xí)和推理》

作者：西蒙·J·D·普林斯（Simon J.D. Prince）博士

這本書(shū)從零基礎(chǔ)開(kāi)始，向我們介紹了概率的概念。在此基礎(chǔ)上，迅速加快進(jìn)程，介紹了 70 種以上的算法并插入 350 張以上的圖片作為補(bǔ)充說(shuō)明。

7.人工智能類(lèi)書(shū)籍

（1）《人工智能：一種現(xiàn)代方法》（Artificial Intelligence: A Modern Approach）

圖30. 《人工智能：一種現(xiàn)代方法》

作者：斯圖爾特·拉塞爾，彼得·諾維格（Stuart Russell，Peter Norvig）

是斯圖爾特·拉塞爾和彼得·諾維格所寫(xiě)的書(shū)！絕對(duì)的寶藏書(shū)籍。此書(shū)是人工智能領(lǐng)域的重要著作。內(nèi)容包括語(yǔ)音識(shí)別、自動(dòng)駕駛汽車(chē)、機(jī)器翻譯和計(jì)算機(jī)視覺(jué)等人工智能組件，它可以被視為關(guān)于人工智能的鼻祖級(jí)別的書(shū)。

（2）《人類(lèi)的人工智能》（Artificial Intelligence for Humans）

圖31. 《人類(lèi)的人工智能》

作者：杰夫·希頓（Jeff Heaton）

人工智能背后的基礎(chǔ)算法是什么？這本僅僅 222 頁(yè)的書(shū)包含了大量的技術(shù)知識(shí)。它是關(guān)于 AI 背后技術(shù)（維度、距離度量、聚類(lèi)、錯(cuò)誤計(jì)算、爬山、用于求多元函數(shù)局部最小值的 Nelder Mead 算法、線性回歸）系列書(shū)籍的第 1 卷。此書(shū)還附帶了一個(gè)網(wǎng)站，里面包括了書(shū)中引用的例子和一個(gè)包含代碼的 GitHub 庫(kù)。

（3）《主算法》（The Master Algorithm）

圖32. 《主算法》

作者：佩德羅·多明戈（Pedro Domingos）

如果我們想找一本關(guān)于人工智能技術(shù)方面的全面書(shū)籍，那這本不是我們要找的目標(biāo)。但我們是否能找到一個(gè)單一的算法（或“主算法”），來(lái)挖掘出有關(guān)數(shù)據(jù)的所有知識(shí)？請(qǐng)閱讀此書(shū)，加入佩德羅·多明戈斯的探索吧。

相關(guān)閱讀：學(xué)習(xí)數(shù)據(jù)科學(xué)的8類(lèi)必讀書(shū)籍（下）

譯者：甜湯