谷歌機器學習速成課學前預備書單
近日谷歌發布機器學習速成課，引發熱議，許多准機器學習愛好者摩拳擦掌，準備入坑。
官方網站地址：
https://developers.google.cn/machine-learning/crash-course
關於學習之前的準備工作，官方網站上說得非常清楚，也一一列出了相關知識點和參考資料（下面的灰色部分內容來自官方網站）。
在開始機器學習速成課程之前，請先閱讀下面的前提條件和準備工作部分，以確保您已做好完成所有單元所需的準備工作。
前提條件
機器學習速成課程並不會假定或要求您預先掌握機器學習方面的任何知識。但是，為了能夠理解課程中介紹的概念並完成練習，您最好滿足以下前提條件：
掌握入門級代數知識。您應該了解變數和係數、線性方程式、函數圖和直方圖（熟悉對數和導數等更高級的數學概念會有幫助，但不是必需條件）。
熟練掌握編程基礎知識，並且具有一些使用 Python 進行編碼的經驗。機器學習速成課程中的編程練習是通過 TensorFlow 並使用 Python 進行編碼的。您無需擁有使用 TensorFlow 的任何經驗，但應該能夠熟練閱讀和編寫包含基礎編程結構（例如，函數定義/調用、列表和字典、循環和條件表達式）的 Python 代碼。
大家學習之前一定要仔細閱讀並精心準備，雖然官方給出了參考資料，但是參考資料皆為英文。為方便讀者儘快儲備預備知識，也為了大家遇到相關問題能隨時查閱資料，我們給出一個學習該課程的預備知識書單，希望幫助有需要的小夥伴更好地學習這門機器學習速成課。
接下來，分數學、Python編程、第三方Python庫、Bash/shell 和 TensorFlow 四部分給出參考書。
1. 數學
可以直接使用下面這套系列書，也可以參考學院派經典著作。
《程序員的數學》系列是最受程序員喜愛的數學參考書，圈粉無數，學習起來超輕鬆不說，主要是知識點講解夠透徹，將程序員所具備的數學思維傳達得一覽無餘。
《程序員的數學》（作者：結城浩 / 譯者：管傑）
介紹編程中常用的數學知識，二進位計數法、邏輯、排列組合、遞歸等與編程密切相關的數學方法，分析哥尼斯堡七橋問題、漢諾塔、斐波那契數列等經典問題和演算法。
《程序員的數學2：概率統計》（作者：平岡和幸 堀玄 / 譯者：陳筱煙）
講解程序員必須掌握的各類概率統計知識，例證豐富，涉及隨機變數、貝葉斯公式、離散值和連續值的概率分布、協方差矩陣、多元正態分布、偽隨機數等及各類應用。
《程序員的數學3：線性代數》（作者：平岡和幸 堀玄 / 譯者：盧曉南）
通俗的語言和具象的圖表講解編程中所需的線性代數知識，涉及向量、矩陣、行列式、秩、逆矩陣、線性方程、LU分解、特徵值、對角化、Jordan標準型、特徵值演算法等。
學院派經典著作三本
線性代數
作者：Sheldon Axler
譯者：杜現昆，劉大艷，馬晶
頁數：268
原版暢銷 30 多個國家，被 200 多所高校教材採納為教材
累計銷量 4 萬多冊。完全拋開行列式來描述線性運算元的基本理論
起點較低，不需要太多預備知識，而且特色鮮明
本書強調抽象的向量空間和線性映射，內容涉及多項式、本徵值、本徵向量、內積空間、跡與行列式等。本書在內容編排和處理方法上與國內通行的做法大不相同，它完全拋開行列式，採用更直接、更簡捷的方法闡述了向量空間和線性運算元的基本理論。書中對一些術語、結論、數學家、證明思想和啟示等做了注釋，不僅增加了趣味性, 還加強了讀者對一些概念和思想方法的理解。
概率與統計
作者：William Feller
譯者：胡迪鶴
頁數：408
暢銷 60 年概率論經典教材
偉大概率學家威廉·費勒著
著名數學家胡迪鶴翻譯
本書涉及面極廣，不僅討論了概率論在離散空間中的諸多課題，也涉及了概率論在物理學、化學、生物學（特別是遺傳學）、博弈論及經濟學等方面的應用。
微積分
作者：阿德里安·班納
譯者：楊爽，趙曉婷，高璞
頁數：668
審讀出版修訂版，豆瓣評分 9.8 分
一本將易用性與可讀性以及內容的深度與數學的嚴謹完美地結合在一起的經典著作
風靡美國大學的微積分複習課程，最受圖靈讀者喜愛的高等數學參考書
《普林斯頓微積分讀本（修訂版）》是作者多年來給普林斯頓大學本科一年級學生開設微積分的每周複習課。本書專註於講述解題技巧，目的是幫助讀者學習一元微積分的主要概念。深入處理一些基本內容，還複習一些主題。本書不僅可以作為參考書，也可以作為教材，是學習一元微積分的絕佳指導書。
2. Python 編程基礎
官方列出了所需要掌握的基礎 Python 和高階 Python 知識，我們先推薦一本基礎 Python 參考書。打算入坑的讀者大部分應該具有其他編程語言基礎，推薦《Python基礎教程（第3版）》；如果是零基礎，可以閱讀《Python編程：從入門到實踐》。
作者：Magnus Lie Hetland
譯者：袁國忠
頁數：458
22萬+ 讀者的選擇
久負盛名的 Python 入門經典
針對 Python 3 全新升級
十個出色的項目，讓你儘快可以使用 Python 解決實際問題
本書包括 Python 程序設計的方方面面：
首先，從 Python 的安裝開始，隨後介紹了 Python 的基礎知識和基本概念，包括列表、元組、字元串、字典以及各種語句；
然後，循序漸進地介紹了一些相對高級的主題，包括抽象、異常、魔法方法、屬性、迭代器；
此後，探討了如何將 Python 與資料庫、網路、C語言等工具結合使用，從而發揮出 Python 的強大功能，同時介紹了 Python 程序測試、打包、發布等知識；
最後，作者結合前面講述的內容，按照實際項目開發的步驟向讀者介紹了 10 個具有實際意義的 Python 項目的開發過程。
3. 第三方 Python 庫
《Python數據科學手冊》主打 IPython、NumPy、Pandas、Matplotlib 和 Scikit-Learn，谷歌機器學習速成課給出的是 Matplotlib、Seaborn、Pandas、NumPy、scikit-learn，查了下，手冊里也講了 Seaborn，所以它非常適合作為速成課的 Python 庫查詢手冊。
作者：Jake VanderPlas
譯者：陶俊傑，陳小莉
頁數：448
全面同時綜合評價度 zui 高的 Python 數據處理參考讀本
Scikit-Learn、IPython 等諸多庫的代碼貢獻者，華盛頓大學 eScience 學院物理科學研究院院長作品
掌握用 Scikit-Learn、NumPy 等工具高效存儲、處理和分析數據
大量示例 + 逐步講解 + 舉一反三，從計算環境配置到機器學習實戰，切實解決工作痛點
本書以 IPython、NumPy、Pandas、Matplotlib 和 Scikit-Learn 這 5 個能完成數據科學大部分工作的基礎工具為主，從實戰角度出發，講授如何清洗和可視化數據、如何用數據建立各種統計學或機器學習模型等常見數據科學任務，旨在讓各領域與數據處理相關的工作人員具備發現問題、解決問題的能力。
4. Bash 終端/雲端控制台
要在本地計算機上或雲端控制台中運行編程練習，應該能熟練使用命令行，所以推薦這本非常經典的《Linux命令行與shell腳本編程大全》。
作者： Richard Blum，Christine Bresnahan
譯者： 門佳，武海峰
頁數：620
Linux 命令行聖經，美國亞馬遜五星推薦
新版針對 Linux 的新特性和實踐，進行了全面更新
輕鬆全面掌握 Linux 命令行和 shell 腳本編程細節，實現 Linux 系統任務自動化
《Linux命令行與shell腳本編程大全（第3版）》是一本關於 Linux 命令行與 shell 腳本編程的全方位教程，主要包括四大部分：Linux 命令行，shell 腳本編程基礎，高級shell腳本編程，如何創建實用的 shell 腳本。這版針對 Linux 系統的最新特性進行了全面更新，不僅涵蓋了詳盡的動手教程和現實世界中的實用信息，還提供了與所學內容相關的參考信息和背景資料。通過本書的學習，你將輕鬆寫出自己的 shell 腳本。
5. TensorFlow
課程需要低階 TensorFlow 基礎知識，官方說沒有相關知識沒關係，可以邊學課程邊了解。如果有的讀者想提前熟悉，我們也推薦一本參考書，約下周末上架。
作者：羅冬日
定價：49.00元
頁數：180
講解深度學習的原理和 TensorFlow 框架應用，並配有翔實的代碼實例
通過本書，你能快速上手搭建一個深度學習應用
內容由淺入深，包含全連接網路、卷積神經網路和循環神經網路、分散式訓練等
趙娟（博士後，范德堡大學醫學中心 ）、劉光遠（Facebook資深工程師 ）、張科（微軟高級工程師） 聯袂推薦
TensorFlow 是目前最活躍的深度學習框架。本書基於 1.3 版本，首先介紹了它的安裝和基本用法，然後討論了深度學習的基本概念，包括神經網路前向計算、損失函數、反向傳播計算和優化函數等，接著介紹了卷積神經網路和循環神經網路，最後介紹了在大規模應用的場景下，如何實現分散式的深度學習訓練。
●編號542，輸入編號直達本文
●輸入m獲取文章目錄
推薦↓↓↓
演算法與數據結構
更多推薦《18個技術類公眾微信》
涵蓋：程序人生、演算法與數據結構、黑客技術與網路安全、大數據技術、前端開發、Java、Python、Web開發、安卓開發、iOS開發、C/C++、.NET、Linux、資料庫、運維等。
TAG:機器學習 |