哪五本機器學習的免費電子書，最受 KDnuggets 讀者喜愛？

編者按：為了邁入機器學習的大門，雷鋒網已經為讀者們分享了不少學習干貨，但這些干貨推薦又怎么能填補大家的熱情？除了上次的視頻及論文外，今天雷鋒網要推薦的是五本關于機器學習的電子書，而且是免費的！

如果對機器學習有所了解，想必對 KDnuggets 這個網站并不陌生。它們上個月舉行了一個機器學習電子書評選，經過網友們的熱心票選，得到了一份五大免費書的榜單，雷鋒網編譯如下，未經許可不得轉載。

No.1 機器學習導論（Introduction to Machine Learning）

這本不到 170 頁的書由斯坦福人工智能教授 Nils J. Nilsson 所著，結合了他在上世紀 90 年代中期的一些研究，對機器學習做了一個初步的介紹。由于成書時間比較古老，所以里面并沒有提到現在比較流行的一些新研究發現。但書里所提到的基本概念都是歷久彌新的，值得一讀。

下載地址：http://ai.stanford.edu/~nilsson/mlbook.html

No.2 理解深度學習：從理論到算法（Understanding Machine Learning: From Theory to Algorithms）

聽起來有種《從優秀到卓越》的感覺，然而這本書可是耶路撒冷希伯來大學教授Shai Shalev-Shwartz和滑鐵盧大學教授ShaiBen-David 所寫，這本書相對于第一本推薦書而言更加關注前沿科技，對算法也做了更多的介紹，可以說比較務實。不過，里面有些內容可能對初學者來說有點難，可以當做選讀嘗試理解一下。

下載地址：http://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/copy.html

No.3 《貝葉斯推理與機器學習》（Bayesian Reasoning and Machine Learning）

如果提到貝葉斯推理，想必這本書是最為著名的一本，對概率機器學習感興趣的人，讀它就對了。在亞馬遜上，明尼蘇達大學的 Arindam Banerjee 在評論里表示，這本書很適合作為介紹讀物，供本科高年級學生或研究生了解。

下載地址：http://web4.cs.ucl.ac.uk/staff/D.Barber/pmwiki/pmwiki.php?n=Brml.Online

No.4 《深度學習》（Deep Learning）

該書由 Goodfellow、Bengio 和 Courville 一同合著，很快就要出版，不過在官網上有免費的電子版本。這本書的目標讀者是學習機器學習專業的本科生及研究生，或是那些已經開始進軍深度學習及人工智能產業的人。如果你是一名缺乏機器學習或統計學背景的軟件工程師，但希望快速入門并在工作上運用相關技能的話，這本書也可以幫助你。

下載地址：http://www.deeplearningbook.org/

No.5《增強學習：導論》（Reinforcement Learning: An Introduction）

Sutton和Barto合著的這部經典教材很快要出第二版紙質書，而網絡上也已經有電子版。

AlphaGo作為增強學習的代表，讓后者為人所知，而它也成為了實現自動駕駛及其它同類應用的重要技術手段。無可質疑的是，機器學習與增強學習的結合，已經成為實現通用AI的普遍共識。David Tan 在亞馬遜是這樣評價的：

“該書以翔實的例子和引人入勝的介紹讓我們對增強學習有了初步了解。接下來以三章介紹了增強學習的三個概念，并在最后介紹了具體解決方案及算法實例。我認為計算機專業的學生都能讀懂，但第八章涉及了一些神經網絡的概念，可能相對難一些。”

下載地址在此：https://webdocs.cs.ualberta.ca/~sutton/book/bookdraft2016sep.pdf

五本書的下載地址都已附上，如果對機器學習感興趣的小伙伴們，趕緊下載來看看吧。

【招聘】雷鋒網(公眾號：雷鋒網)(公眾號：雷鋒網)堅持在人工智能、無人駕駛、VR/AR、Fintech、未來醫療等領域第一時間提供海外科技動態與資訊。我們需要若干關注國際新聞、具有一定的科技新聞選題能力，翻譯及寫作能力優良的外翻編輯加入。工作地點深圳。簡歷投遞至 guoyixin@leiphone.com。接收兼職及實習生。

推薦閱讀：

干貨 | 如何從零學習人工智能？最好的資源都在這里了

干貨分享｜深度學習零基礎進階第三彈

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。