神譯局是36氪旗下編譯團隊，關注科技、商業、職場、生活等領域，重點介紹國外的新技術、新觀點、新風向。

編者按：為方便對數據科學（DATA SCIENCE）感興趣的愛好者和實操者的學習，本文作者分享了 8 類關于數據科學的書籍，包括統計/概率論類、機器學習類、數據可視化與分析類、深度學習類、自然語言處理（NLP）類、計算機視覺類、人工智能類和工具/語言類。在分享書籍的同時，作者還提出以下忠告：在數據科學領域有多種成功的途徑，而我們要選擇的途徑應該是足夠簡單，足以幫助我們快速上手的。

我們之所以在選擇學習方法上不知所措，往往是因為我們接觸的信息量太大了。與其花更多的時間思考如何獲得研究數據科學的技能，不如根據實際需要，從分享的書中挑選一本，然后開始學習。關鍵是要始終如一地采取行動，堅持閱讀。閱讀的目的是，學習和發現隱藏于書中的真實思想。對數據科學感興趣的朋友們，如果你還沒選好學習材料，就請閱讀作者推薦的這些頂級書籍吧。本文來自編譯，希望對您有幫助。因篇幅原因，本篇文章分三部分刊出，此為第二部分：

相關閱讀：學習數據科學的8類必讀書籍（上）

4. 深度學習類書籍

（1）《基于Python的深度學習》（Deep Learning with Python）

作者：弗朗索瓦·喬萊特（Francois Chollet）

弗朗索瓦是 Keras（一個由Python編寫的人工神經網絡庫，可以作為Tensorflow、Microsoft-CNTK 和 Theano 的高階應用程序接口，進行深度學習模型的設計、調試/評估、應用和可視化）的創造者，還有比他更好的 Python 老師嗎？我同時建議大家在 Twitter 上關注 Francois，因為我們可以從他身上學到很多東西。

圖19. 《基于Python的深度學習》

（2）《使用Python進行深度學習》（TheDeep LearningWithPython）

這本書從一個實用的方法開始敘述，因此我們可以直接從該書中學習幾個有用的技術。書中內容貼近現實，在閱讀后你可以立即將其應用于行動。這絕對是一本深度學習的必讀書目。

圖20. 《使用Python進行深度學習》

（3）《深度強化學習基礎——Python的理論與實踐》（Foundations of Deep Reinforcement Learning — Theory and Practice in Python）

作者：勞拉·格雷塞爾，華龍徑（Laura Graesser and Wah Loon Keng）

這是一本探索深度強化學習的高階教科書。深度強化學習（Deep Reinforcement Learning），是利用人工智能學習解決順序決策問題的方法。對于任何一個有機器學習方面的工作知識，并希望使用深度強化學習解決問題的人來說，這是一本寫得很好的書。

圖21. 《深度強化學習基礎——Python的理論與實踐》

（4）《深度學習圖解——一個視覺的，交互式的人工智能指南》（Deep Learning Illustrated — A Visual, Interactive Guide to Artificial Intelligence）

作者：約翰·克羅恩，格蘭特·貝萊維德，艾格拉·巴森斯（John Krohn, Grant Beyleveld, Aglae Bassens）

這是一本實用的參考書，可以幫助我們建立自己對深度學習算法的直覺。在這個可視化的、交互式的指南中，我們不僅能學到理論，還能學到相應的可在 Jupyter notebooks（基于網頁的用于交互計算的應用程序。可被應用于全過程計算：開發、文檔編寫、運行代碼和展示結果）上運行的實例。

圖22. 《深度學習圖解——一個視覺的，交互式的人工智能指南》

（5）《Python機器學習》（Python Machine Learning）

作者：奧雷林·杰隆（Aurelien Geron）

這本書的內容介于機器學習的中級和高級階段之間。它能滿足所有該領域的專家和非專家的個人需求。這本書首先詳細地介紹了機器學習和深度學習，然后過渡到更高級的方法。它堪稱是一本奇妙的書！

圖23. 《Python機器學習》

5.自然語言處理(NLP)類書籍

（1）《使用Python進行自然語言處理》（Natural Language Processing with Python）

圖24. 《使用Python進行自然語言處理》

作者:史蒂文·伯德，伊萬·克萊因，愛德華·洛珀（Steven Bird，Ewan Klein，Edward Lope）

這又是一本堅持“邊學邊實踐”原則的書。我們需要學習 Python 的相關概念，如果對這些概念一無所知，將無法使用 NLTK 庫（Natural Language Toolkit）在 NLP 世界中航行。

（2）《統計自然語言處理基礎》（Foundations of Statistical Natural Language Processing）

圖25. 《統計自然語言處理基礎》

作者：克里斯托弗·曼寧，辛里奇·舒茨（Christopher Manning，Hinrich Schutze）

這是一本內容非常全面的指南，它涵蓋了 NLP 中廣泛的子主題，比如文本分類、詞性標注、概率句法分析等。作者在書中加入了嚴格的數學和語言學基礎內容。這本書寫得非常詳細，讀后能讓我們牢記不忘。

（3）《語音和語言處理》（Speech and Language Processing）

圖26. 《語音和語言處理》

作者：丹尼爾·朱拉夫斯基，詹姆斯·H·馬丁（Daniel Jurafsky和James H. Martin）

這本書論述的重點是對自然語言的實際應用和科學評價。它是朱拉夫斯基和馬丁寫的一本深入的關于 NLP 和計算語言學的書。也是大師們以自己為素材而著的作品。

6.計算機視覺類書籍

（1）《計算機視覺：算法與應用》（Computer Vision: Algorithms and Applications）

圖27. 《計算機視覺：算法與應用》

作者：理查德·塞利斯基（Richard Szeliski）

本書探索了各種常見的計算機視覺技術。這是一本內容全面的書，它采取了科學的方法來解決基本的計算機視覺問題。

（2）《用 Python 編程計算機視覺》（Programming Computer Vision with Python）

圖28. 《用Python編程計算機視覺》

作者：揚·埃里克·索萊姆（Jan Erik Solem）

大家在深入閱讀這本令人驚嘆的書之前，請訪問書中鏈接的網站，下載數據集、代碼筆記本，并復制那里提到的 GitHub 存儲庫。這本書對計算機視覺世界的講解，是在數據集、代碼筆記本和 GitHub 存儲庫的基礎上完成的。

（3）《計算機視覺：模型、學習和推理》（Computer Vision: Models, Learning, and Inference）

圖29. 《計算機視覺：模型、學習和推理》

作者：西蒙·J·D·普林斯（Simon J.D. Prince）博士

這本書從零基礎開始，向我們介紹了概率的概念。在此基礎上，迅速加快進程，介紹了 70 種以上的算法并插入 350 張以上的圖片作為補充說明。

7.人工智能類書籍

（1）《人工智能：一種現代方法》（Artificial Intelligence: A Modern Approach）

圖30. 《人工智能：一種現代方法》

作者：斯圖爾特·拉塞爾，彼得·諾維格（Stuart Russell，Peter Norvig）

是斯圖爾特·拉塞爾和彼得·諾維格所寫的書！絕對的寶藏書籍。此書是人工智能領域的重要著作。內容包括語音識別、自動駕駛汽車、機器翻譯和計算機視覺等人工智能組件，它可以被視為關于人工智能的鼻祖級別的書。

（2）《人類的人工智能》（Artificial Intelligence for Humans）

圖31. 《人類的人工智能》

作者：杰夫·希頓（Jeff Heaton）

人工智能背后的基礎算法是什么？這本僅僅 222 頁的書包含了大量的技術知識。它是關于 AI 背后技術（維度、距離度量、聚類、錯誤計算、爬山、用于求多元函數局部最小值的 Nelder Mead 算法、線性回歸）系列書籍的第 1 卷。此書還附帶了一個網站，里面包括了書中引用的例子和一個包含代碼的 GitHub 庫。

（3）《主算法》（The Master Algorithm）

圖32. 《主算法》

作者：佩德羅·多明戈（Pedro Domingos）

如果我們想找一本關于人工智能技術方面的全面書籍，那這本不是我們要找的目標。但我們是否能找到一個單一的算法（或“主算法”），來挖掘出有關數據的所有知識？請閱讀此書，加入佩德羅·多明戈斯的探索吧。

相關閱讀：學習數據科學的8類必讀書籍（下）

譯者：甜湯