关注上方“深度学习技术前沿”，选择“星标公众号”，
资源干货，第一时间送达！
入门级
如果你只是刚开始学习机器学习，那么这本书你一定不能错过：
《Python机器学习基础教程》（Introduction to Machine Learning with Python）是对机器学习的简要介绍。它不涉及Python的简单知识，而是介绍了机器学习的基础概念和应用，并通过示例讨论了各个方法。这是我所见过的最好的机器学习入门书，没有之一！
中级
如果你已经做过许多机器学习项目，并且对机器学习模型已经相当熟悉时，这有一些进阶书籍可以帮你走得更远：
《Python机器学习》（Python Machine Learning）是一本实用书籍，包含着大量示例代码。它结构合理，内容丰富，易读性强，第二版已经包含了生成对抗网络的内容（GANs）。对于不同层次的人来说，它始终是一本不可多得的好书。
《基于Scikit-Learn和TensorFlow的机器学习实战》（Hands-On Machine Learning with Scikit-Learn and TensorFlow）对中级技术人员来说是一本不错的参考书。它包括了机器学习的各个方面：分类、降维、神经网络甚至是深度学习等等。
《模式识别和机器学习》（Pattern Recognition and Machine Learning）以一个良好的数据集为示例，利用各种基础算法对其进行处理。它主要关注机器学习的理论层面，因此和其他的一些实用书籍搭配起来效果更佳。
专家级
当你已经是一名专家后，最好的学习方法是读一些论文，而不是书籍，因为知识总是不断更新的。机器学习更是如此。但是，手头上有几本参考书也是可以帮助你更好地了解深度学习的：
《Python深度学习》（Deep Learning with Python）由Keras之父编著。这本书易读实用，给出了一些你可以马上使用的代码并提供了相当多深度学习的使用技巧。对这本书我只想说一句话：经典恒久远，一本永流传。
《深度学习》（Deep Learning）是一本关于算法的绝佳参考书籍。它由深度学习的先驱们编写，几乎涵盖了当前所使用的技术，没有多少代码，但就如何用深度学习解决问题给出了真知灼见。
如果你更关注算法背后的数学原理，那么《机器学习：从概率的视角分析》（Machine Learning: a Probabilistic Perspective）这本书不容错过。它是关于机器学习方法背后的数学原理的一本杰作。你可能不会马上去读它，但是有这么一本参考书在会相当不错。
相关报道：
/machine-learning-books-you-should-read-in--344b44d9a11e
