‍‍
哪些书对交易员影响大？大家还记得交易门编辑部为大家推荐过的《交易员独家书单》吗？（点击阅读书单）2024 年又到了，小编打算再度放下手机，和大伙儿一起加入阅读的队伍！闲话少说，先上书单吧！
上周，小编在交易门读者群听到大伙儿在热烈地探讨机器学习的书籍。机器学习的确是一个生机勃勃、正在快速发展的领域，在读者朋友们的鼓励下，编辑部精心挑选了一份机器学习必读书单，其中既有适合初学者的，也有适合专业人士的进阶书籍。如果你准备好，就开启这份书单吧！
P.S. 其中部分书籍已经有中文版出版，小编附上了京东链接。需要的话，大伙儿可以自行购买。
如果有你喜欢的机器学习的书籍不在名单上，也欢迎在评论区进行补充！
1. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
Aurélien Géron
本书被大众认为是机器学习从业者的基石，通过使用流行框架如Scikit-Learn、Keras和TensorFlow，深入地剖析概念以实操。作者通过实例和项目，巧妙地引导读者深入了解机器学习领域。
京东：https://3.cn/1U-evKFz（可以复制粘贴打开）
2. Machine Learning Yearning
Andrew Ng
本书由著名计算机科学家吴恩达（Andrew Ng）撰写，专注于机器学习项目中经常被忽略的方面，包括战略、团队管理和系统设计。它作为一本全面指南，帮助你在机器学习项目的整个生命周期中做出关键决策。
3. Interpretable Machine Learning
Christoph Molnar
了解机器学习模型是如何做出决策的，在它们的实际应用至关重要。作者在书中深入探讨和诠释机器学习模型的方法和技术，本书是关注模型透明度和可说明性的从业者的必读之作。
京东：https://3.cn/1UexrU-V（可以复制粘贴打开）
4. Pattern Recognition and Machine Learnin
Christopher M. Bishop
对于那些希望在模式识别和机器学习方面打下坚实基础的读者来说，Bishop的这本书堪称经典。该书从数学角度阐述了基本概念，适合那些希望深化机器学习理论理解的人阅读。
5. Deep Learning
Ian Goodfellow, Yoshua Bengio, Aaron Courville
随着深入学习不断塑造机器学习领域，这本被称为 "深度学习圣经 "的书，全面探讨了深度学习的概念。从基本原理到高级架构，本书既适合初学者，也适合经验丰富的从业者。
京东：https://3.cn/1UeAwM-n（可以复制粘贴打开）
6. The Hundred-Page Machine Learning Book
Andriy Burkov
Burkov的这本书以简明而详实的形式介绍了机器学习的基本知识。对于那些希望快速而全面地了解机器学习的人来说，这是一本非常好的资料，初学者和专业人士都可以阅读。
京东：https://3.cn/1UeDP-K4（可以复制粘贴打开）
7. Machine Learning Engineering
Andriy Burkov
Burkov的又一力作，深入探讨了部署和维护机器学习系统的实际问题。它涵盖了模型部署、监控和扩展等主题，为机器学习项目的实操方面提供了宝贵的见解。
京东：https://3.cn/1UeD-Hsv（可以复制粘贴打开）
8. Human Compatible: Artificial Intelligence and the Problem of Control
Stuart Russell
随着人工智能和机器学习日益成为社会不可或缺的一部分，关于伦理道德的考量也日益突出。Russell在书中探讨了将人工智能系统与人类价值观保持一致所面临的挑战，为机器学习的社会影响提供了一个发人深省的视角。
京东:https://3.cn/1UeG-8yS（可以复制粘贴打开）
9. Building Machine Learning Powered Applications
Emmanuel Ameisen
对于那些有兴趣将机器学习应用于现实的人来说，本书就是实用指南。它涵盖了构建机器学习应用的端到端的过程，从问题界定到配置，重点关注实践考虑。
京东：https://3.cn/1UeH-DEi（可以复制粘贴打开）
10. Reinforcement Learning: An Introduction 
Richard S. Sutton, Andrew G. Barto
强化学习是机器学习中的关键领域，而这本书则是对这一领域的全面介绍。本书涵盖了强化学习的基本原理，是对这个不断发展的领域感兴趣的人来说，是一本非常有用的资料。
京东：https://3.cn/1-UeJGNh（可以复制粘贴打开）
11. Machine Learning for Absolute Beginners: A Plain English Introduction 
Oliver Theobald
如果你对机器学习感兴趣，但是零经验，那么这本书非常适合你，因为它没有事先假定你有相关知识、编码技能或数学基础。
通过本书，你将学习到机器学习的基本概念和定义、机器学习模型的类型（监督、无监督、深度学习）、数据分析和预处理，以及如何使用流行的机器学习库（如 scikit-learn、NumPy、Pandas、Matplotlib、Seaborn 和 TensorFlow）来实现这些概念。
12. Machine Learning for Dummies 
John Paul Mueller, Luca Massaron
本书旨在让读者轻松熟悉机器学习的基本概念和理论，还着重于机器学习的实际应用。它将教给你模型背后的数学原理和算法，帮助你构建实用的机器学习模型。你还将了解AI和机器学习的历史，并使用 Python、R 和 TensorFlow 来构建和测试你自己的模型。此外，你能使用最新的数据集，通过示例积累经验最。
13. Introduction to Machine Learning with Python: A Guide for Data Scientists
Andreas C. Müller, Sarah Guido
本书是初学者学习如何建立机器学习解决方案的实用指南，因为它侧重于使用 Python 和 scikit-learn 机器学习算法的实践层面。
作者并不着重于算法背后的数学，而是关注它们的应用和基本概念。本书还涵盖了流行的机器学习算法、数据表示等内容，是任何希望提高机器学习和数据科学能力的人的绝佳资料。
14. Understanding Machine Learning 
Shai Shalev-Shwartz, Shai Ben-David
本书通过深入研究机器学习的基础理论、算法范式和数学推导，对机器学习进行了系统的介绍。它以清晰易懂的方式覆盖了一系列机器学习主题，适合计算机科学专业学生，以及工程、数学和统计等其他领域的读者。
京东：https://3.cn/1Uf8C-Fv（可以复制粘贴打开）
15. AI and Machine Learning for Coders: A Programmer's Guide to Artificial Intelligence
Laurence Moroney
这本书面向那些想要学习人工智能和机器学习概念（如监督和无监督学习、深度学习、神经网络）以及使用 Python 和 TensorFlow 实际实现机器学习技术的程序员。本书还涵盖了AI和机器学习的理论和实践，以及该领域的最新趋势。总之，对于想要在自己的项目中实现机器学习的程序员来说，这是一本全面的好书。
京东：https://3.cn/1-Uf9lNG
16. Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python
Sebastian Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili
这本 PyTorch 书是机器学习和深度学习的综合指南，提供了教程和参考资料。它通过详细的解释、图解和示例深度讲解了基本技术，包括图神经网络和用于自然语言处理的Transformer模型等概念。
本书主要面向具有扎实Python基础但希望学习 Scikit-learn 和 PyTorch 机器学习和深度学习的开发人员和数据科学家。
京东：https://3.cn/1UfaTZ-f（可以复制粘贴打开）
17. The Elements of Statistical Learning: Data Mining, Inference, and Prediction
Trevor Hastie, Robert Tibshirani, Jerome Friedman
如果你想从统计学的角度学习机器学习，那就选它！本书强调对机器学习算法底层逻辑的数学推导。不过，在开始之前，你需要对线性代数有基本的理解。书中涉及到的一些概念对于初学者来说有点难度，但作者用了一种易于吸收的方式来处理这些知识，因此对于想要了解机器学习底层逻辑的人来说，这本书是一个不错的选择！
京东：https://3.cn/1U-fbFs7（可以复制粘贴打开）
18. Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications
Chip Huyen
设计可立即运行的机器学习系统的综合指南，非常适合需要立即运行 ML 模型的开发人员。
为了帮助你快速上手，本书包含了设计 ML 系统的分步流程，其中涵盖了实例、最佳实践、案例研究和代码片段。
19. Machine Learning: A Probabilistic Perspective 
Kevin P. Murphy
采用非正式的写作风格，结合伪代码算法和丰富多彩的图片。
本书还强调一种基于模型的方法，与其他机器学习书籍不同的是，它并不依赖启发式算法，而是使用了来自各个领域的真实案例。
20. Bayesian Reasoning and Machine Learning
David Barber
一本全面的机器学习指南，从基础推理到图形模型框架内的高级技术。书中包含多个示例和练习，帮助学生提高分析和解决问题的能力。
同时也是适合学习机器学习和图形模型的大四本科生和研究生的理想教材，还为学生和教师提供了 MATLAB 工具箱等额外资源。
京东：https://3.cn/1UfrJK-l（可以复制粘贴打开）
百万offer这么近！机器学习岗位集中热招！
点击进入学习群并浏览岗位！
READNG
交易门量化众生相回顾
头部私募技术大咖：不喜欢钻牛角尖的技术不是好技术
回撤来临，一个头部量化策略人员的日常
抛弃互联网大厂，他是“离经叛道”的量化算法工程师
Q 总：量化没有怀才不遇这回事
交易门最新原创目录
‍
‍
‍
‍
继续阅读
阅读原文