class="topic_img" alt=""/>
编者按：为了迈入机器学习的大门，雷锋网已经为读者们分享了不少学习干货，但这些干货推荐又怎么能填补大家的热情？除了上次的视频及论文外，今天雷锋网要推荐的是五本关于机器学习的电子书，而且是免费的！
如果对机器学习有所了解，想必对 KDnuggets 这个网站并不陌生。它们上个月举行了一个机器学习电子书评选，经过网友们的热心票选，得到了一份五大免费书的榜单，雷锋网编译如下，未经许可不得转载。
No.1 机器学习导论（Introduction to Machine Learning）
这本不到 170 页的书由斯坦福人工智能教授 Nils J. Nilsson 所著，结合了他在上世纪 90 年代中期的一些研究，对机器学习做了一个初步的介绍。由于成书时间比较古老，所以里面并没有提到现在比较流行的一些新研究发现。但书里所提到的基本概念都是历久弥新的，值得一读。
下载地址：http://ai.stanford.edu/~nilsson/mlbook.html
No.2 理解深度学习：从理论到算法（Understanding Machine Learning: From Theory to Algorithms）
听起来有种《从优秀到卓越》的感觉，然而这本书可是耶路撒冷希伯来大学教授 Shai Shalev-Shwartz 和滑铁卢大学教授 ShaiBen-David 所写，这本书相对于第一本推荐书而言更加关注前沿科技，对算法也做了更多的介绍，可以说比较务实。不过，里面有些内容可能对初学者来说有点难，可以当做选读尝试理解一下。
下载地址：http://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/copy.html
No.3 《贝叶斯推理与机器学习》（Bayesian Reasoning and Machine Learning）
如果提到贝叶斯推理，想必这本书是最为著名的一本，对概率机器学习感兴趣的人，读它就对了。在亚马逊上，明尼苏达大学的 Arindam Banerjee 在评论里表示，这本书很适合作为介绍读物，供本科高年级学生或研究生了解。
下载地址：http://web4.cs.ucl.ac.uk/staff/D.Barber/pmwiki/pmwiki.php?n=Brml.Online
No.4 《深度学习》（Deep Learning）
该书由 Goodfellow、Bengio 和 Courville 一同合著，很快就要出版，不过在官网上有免费的电子版本。这本书的目标读者是学习机器学习专业的本科生及研究生，或是那些已经开始进军深度学习及人工智能产业的人。如果你是一名缺乏机器学习或统计学背景的软件工程师，但希望快速入门并在工作上运用相关技能的话，这本书也可以帮助你。
下载地址：http://www.deeplearningbook.org/
No.5《增强学习：导论》（Reinforcement Learning: An Introduction）
Sutton 和 Barto 合著的这部经典教材很快要出第二版纸质书，而网络上也已经有电子版。
AlphaGo 作为增强学习的代表，让后者为人所知，而它也成为了实现自动驾驶及其它同类应用的重要技术手段。无可质疑的是，机器学习与增强学习的结合，已经成为实现通用 AI 的普遍共识。David Tan 在亚马逊是这样评价的：
“该书以翔实的例子和引人入胜的介绍让我们对增强学习有了初步了解。接下来以三章介绍了增强学习的三个概念，并在最后介绍了具体解决方案及算法实例。我认为计算机专业的学生都能读懂，但第八章涉及了一些神经网络的概念，可能相对难一些。”
下载地址在此：https://webdocs.cs.ualberta.ca/~sutton/book/bookdraft2016sep.pdf
五本书的下载地址都已附上，如果对机器学习感兴趣的小伙伴们，赶紧下载来看看吧。
相关文章
