神譯局是36氪旗下編譯團隊，關(guān)注科技、商業(yè)、職場、生活等領(lǐng)域，重點介紹國外的新技術(shù)、新觀點、新風(fēng)向。
編者按：為方便對數(shù)據(jù)科學(xué)（DATA SCIENCE）感興趣的愛好者和實操者的學(xué)習(xí)，本文作者分享了 8 類關(guān)于數(shù)據(jù)科學(xué)的書籍，包括統(tǒng)計/概率論類、機器學(xué)習(xí)類、數(shù)據(jù)可視化與分析類、深度學(xué)習(xí)類、自然語言處理（NLP）類、計算機視覺類、人工智能類和工具/語言類。在分享書籍的同時，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，往往是因為我們接觸的信息量太大了。與其花更多的時間思考如何獲得研究數(shù)據(jù)科學(xué)的技能，不如根據(jù)實際需要，從分享的書中挑選一本，然后開始學(xué)習(xí)。關(guān)鍵是要始終如一地采取行動，堅持閱讀。閱讀的目的是，學(xué)習(xí)和發(fā)現(xiàn)隱藏于書中的真實思想。對數(shù)據(jù)科學(xué)感興趣的朋友們，如果你還沒選好學(xué)習(xí)材料，就請閱讀作者推薦的這些頂級書籍吧。本文來自編譯，希望對您有幫助。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類必讀書籍（上）
作者：弗朗索瓦·喬萊特（Francois Chollet）
弗朗索瓦是 Keras（一個由Python編寫的人工神經(jīng)網(wǎng)絡(luò)庫，可以作為Tensorflow、Microsoft-CNTK 和 Theano 的高階應(yīng)用程序接口，進行深度學(xué)習(xí)模型的設(shè)計、調(diào)試/評估、應(yīng)用和可視化）的創(chuàng)造者，還有比他更好的 Python 老師嗎？我同時建議大家在 Twitter 上關(guān)注 Francois，因為我們可以從他身上學(xué)到很多東西。
圖19. 《基于Python的深度學(xué)習(xí)》
這本書從一個實用的方法開始敘述，因此我們可以直接從該書中學(xué)習(xí)幾個有用的技術(shù)。書中內(nèi)容貼近現(xiàn)實，在閱讀后你可以立即將其應(yīng)用于行動。這絕對是一本深度學(xué)習(xí)的必讀書目。
圖20. 《使用Python進行深度學(xué)習(xí)》
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化學(xué)習(xí)的高階教科書。深度強化學(xué)習(xí)（Deep Reinforcement Learning），是利用人工智能學(xué)習(xí)解決順序決策問題的方法。對于任何一個有機器學(xué)習(xí)方面的工作知識，并希望使用深度強化學(xué)習(xí)解決問題的人來說，這是一本寫得很好的書。
圖21. 《深度強化學(xué)習(xí)基礎(chǔ)——Python的理論與實踐》
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）
這是一本實用的參考書，可以幫助我們建立自己對深度學(xué)習(xí)算法的直覺。在這個可視化的、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)頁的用于交互計算的應(yīng)用程序?？杀粦?yīng)用于全過程計算：開發(fā)、文檔編寫、運行代碼和展示結(jié)果）上運行的實例。
圖22. 《深度學(xué)習(xí)圖解——一個視覺的，交互式的人工智能指南》
作者：奧雷林·杰隆（Aurelien Geron）
這本書的內(nèi)容介于機器學(xué)習(xí)的中級和高級階段之間。它能滿足所有該領(lǐng)域的專家和非專家的個人需求。這本書首先詳細地介紹了機器學(xué)習(xí)和深度學(xué)習(xí)，然后過渡到更高級的方法。它堪稱是一本奇妙的書！
圖23. 《Python機器學(xué)習(xí)》
圖24. 《使用Python進行自然語言處理》
作者:史蒂文·伯德，伊萬·克萊因，愛德華·洛珀（Steven Bird，Ewan Klein，Edward Lope）
這又是一本堅持“邊學(xué)邊實踐”原則的書。我們需要學(xué)習(xí) Python 的相關(guān)概念，如果對這些概念一無所知，將無法使用 NLTK 庫（Natural Language Toolkit）在 NLP 世界中航行。
圖25. 《統(tǒng)計自然語言處理基礎(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、詞性標(biāo)注、概率句法分析等。作者在書中加入了嚴格的數(shù)學(xué)和語言學(xué)基礎(chǔ)內(nèi)容。這本書寫得非常詳細，讀后能讓我們牢記不忘。
圖26. 《語音和語言處理》
作者：丹尼爾·朱拉夫斯基，詹姆斯·H·馬?。―aniel Jurafsky和James H. Martin）
這本書論述的重點是對自然語言的實際應(yīng)用和科學(xué)評價。它是朱拉夫斯基和馬丁寫的一本深入的關(guān)于 NLP 和計算語言學(xué)的書。也是大師們以自己為素材而著的作品。
圖27. 《計算機視覺：算法與應(yīng)用》
作者：理查德·塞利斯基（Richard Szeliski）
本書探索了各種常見的計算機視覺技術(shù)。這是一本內(nèi)容全面的書，它采取了科學(xué)的方法來解決基本的計算機視覺問題。
圖28. 《用Python編程計算機視覺》
作者：揚·埃里克·索萊姆（Jan Erik Solem）
大家在深入閱讀這本令人驚嘆的書之前，請訪問書中鏈接的網(wǎng)站，下載數(shù)據(jù)集、代碼筆記本，并復(fù)制那里提到的 GitHub 存儲庫。這本書對計算機視覺世界的講解，是在數(shù)據(jù)集、代碼筆記本和 GitHub 存儲庫的基礎(chǔ)上完成的。
圖29. 《計算機視覺：模型、學(xué)習(xí)和推理》
作者：西蒙·J·D·普林斯（Simon J.D. Prince）博士
這本書從零基礎(chǔ)開始，向我們介紹了概率的概念。在此基礎(chǔ)上，迅速加快進程，介紹了 70 種以上的算法并插入 350 張以上的圖片作為補充說明。
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·諾維格所寫的書！絕對的寶藏書籍。此書是人工智能領(lǐng)域的重要著作。內(nèi)容包括語音識別、自動駕駛汽車、機器翻譯和計算機視覺等人工智能組件，它可以被視為關(guān)于人工智能的鼻祖級別的書。
圖31. 《人類的人工智能》
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 頁的書包含了大量的技術(shù)知識。它是關(guān)于 AI 背后技術(shù)（維度、距離度量、聚類、錯誤計算、爬山、用于求多元函數(shù)局部最小值的 Nelder Mead 算法、線性回歸）系列書籍的第 1 卷。此書還附帶了一個網(wǎng)站，里面包括了書中引用的例子和一個包含代碼的 GitHub 庫。
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)方面的全面書籍，那這本不是我們要找的目標(biāo)。但我們是否能找到一個單一的算法（或“主算法”），來挖掘出有關(guān)數(shù)據(jù)的所有知識？請閱讀此書，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類必讀書籍（下）
譯者：甜湯
