全文共字，预计学习时长6分钟图源：unsplash如今，想在互联网上找到学习数据科学的优质在线资源并非难事。有免费资源，有付费资源，还有专门研究人工智能的大学项目，价格不菲。难点在于，我们应该选择哪一个？本文共列出7本免费电子书，有助于你学习数据科学和机器学习。让我们开始吧！1.《深度学习》(DeepLearning)·作者：IanGoodfellow、YoshuaBengio和AaronCourville《深度学习》最初出版于年，是首批专门研究深度学习的书籍之一。它是由当时处于发展前沿的杰出研究人员编写的，在深度神经网络领域中，该书一直影响非凡、备受重视。这是一部关于深度学习的著作，全文理论性强。这既不是一本充斥着代码和相应注释的书，也不是关于神经网络的肤浅
概述，而是一本基于数学对深度学习进行解释的书籍。2.《动手学深度学习》（DiveintoDeepLearning）·作者：AstonZhang、ZackC.Lipton和MuLi、AlexJ.Smola《动手学深度学习》是一本交互式深度学习书籍，包含代码、数学以及讨论。它提供了NumPy/MXNet、PyTorch和TensorFlow的应用操作。作者是亚马逊员工，使用亚马逊的MXNet库教授深度学习。该书正在定期更新，务必阅读最新版本。ZacharyLipton一语中的：“《动手学深度学习》的独特之处在于一直坚持以实践为师的学习方法，整本书都由可运行的代码组成。我们试图将教科书的优势（清晰度和数学）与实践教程的优势（实用技能、参考代码、实现技巧和直觉）结合起来。”“每章都通过多种形式、文字编排、数学和独立工具（该工具易于使用和修改，以让项目开始运行）来教授重点概念。我们认为这种方法对于教授深度学习至关重要，因为深度学习中的许多核心知识都来自实验（与第一原则相比）。”3.《机器学习向往》（MachineLearningYearning）·作者：AndrewNg该书由斯坦福大学教授、在线教育先驱AndrewNg所编写，他也是Coursera和deeplearning.ai的联合创始人之一。《机器学习向往》的重点在于如何让机器学习算法（有效）工作，优先考虑最有前景的人工智能项目方向。该书是有用信息的集成宝典，将帮助你解决实践中的问题，如诊断机器学习系统中的错误，如何应用端到端学习、迁移学习、多任务学习等。图源：unsplash4.《可解释的机器学习》（InterpretableMachineLearning）·副标题：黑盒模型可解释性理解指南·作者：ChristophMolnar该书使用了一种“按你所愿意的价格支付”的新型定价策略，从技术上来说它并不是免费的。《可解释机器学习》侧重于表格数据（也称为关系或结构化数据）的机器学习模型，较少
转载请注明：http://www.aierlanlan.com/rzgz/9904.html
