机器学习书籍推荐
机器学习是一个很模糊且宽泛的话题，关于它的书籍、博客、视频课程也是非常多的，如果希望深入学习，建议还是系统的看看相关的书籍、视频课程等，然后尽量动手实现一下，因为当你动手实现的时候你会对它的理解更加深刻。
本次书籍推荐包括系统学习机器学习的必读书目，包括入门、进阶、Python实践、面试等各个阶段。
附书单链接：https://www.nowcoder.com/library/book-list/6679
欢迎各位大佬回帖补充！！
入门
1、《机器学习》——俗称西瓜书，机器学习相关理论
作者：周志华
首先推荐的一本书的周志华的《机器学习》，网称西瓜书，这是机器学习领域的经典入门教材之一，是一本大而全的书！内容中有用到西瓜举例子。如果你之前真的没有接触过任何关于机器学习的知识，那么这本书大概可以作为你第一本入门书。这本书对理论的讲解并没有很深入，但是通过举例子可以让人很容易理解每一个算法。
本书简单介绍了机器学习的基础知识、各种流派的学习算法，通读本书可对机器学习的原理、内容、功能、流派，应用有一个整体的认识。
2、《统计学习方法》——机器学习算法的理论推导
作者：李航
本书叙述力求从具体问题或实例入手， 由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。 为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。
这本书对机器学习原理的解释、公式的推导非常非常详尽，相信看完这本书，不会再说机器学习是玄学了。目前已经出了第二版。第二版要比第一版厚一些。使用这本书强烈建议里面的公式动手在白纸上推一推！
进阶
1、《机器学习实战》——机器学习算法的Python实现
作者：Peter Harrington
通过上面两本书学习了概念、原理、公式推导，接下来可以实战一下。这本书作为机器学习实战的入门书再合适不过。 里面的代码跟着敲，不敲没效果哦。
本书看下来最大的特点就是以成熟可运行的机器学习库为基础，描述如何使用各种机器学习算法在数据上进行训练、优化，得到可用模型，然后介绍算法背后的理论基础，这样可以使读者先有算法感性认识，再到理性认识，能更好理解掌握机器学习方法。比起有些只讲理论、数学公式一大堆的书籍，本书要易读很多。
2、《深度学习》
作者：[美] 伊恩·古德费洛 / [加] 约书亚·本吉奥 / [加] 亚伦·库维尔
《深度学习》由全球知名的三位专家伊恩·古德费洛、约书亚·本吉奥、亚伦·库维尔撰写，是深度学习领域奠基性的经典教材。
全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。
Python实践
1、《流畅的Python》
作者：[巴西] Luciano Ramalho
首先推荐第一本python的入门书《流畅的Python》，可以通过这本书了解一些Python的知识，一般机器学习的代码用python写的比较多，如果之前没有用过Python的话，那可以从这本书开始了解它。
2、《利用python进行数据分析》——Python常用的库学习（numpy，pandas，Matplotlib等）
作者：Wes McKinney
当你掌握了Python的基础知识之后，想要往机器学习方向发展的话，还需要掌握一些常用的库，包括Pandas、Numpy、Matplotlib等等。推荐这本《利用python进行数据分析》。
面试
《百面机器学习》——面试用书
作者：葫芦娃
书中收录了超过100道机器学习算法工程师的面试题目和解答，其中大部分源于Hulu算法研究岗位的真实场景。本书从日常工作、生活中各种有趣的现象出发，不仅囊括了机器学习的基本知识 ，而且还包含了成为出众算法工程师的相关技能，更重要的是凝聚了笔者对人工智能领域的一颗热忱之心，旨在培养读者发现问题、解决问题、扩展问题的能力，建立对机器学习的热爱，共绘人工智能世界的宏伟蓝图。
很多同学靠这本书拿offer到手软。
《算法岗求职经验分享（机器学习方向）》同样也有关于这些书的推荐，看offer收割机是如何拿到机器学习岗校招offer的！
#学习路径##机器学习##书籍推荐#
