blocks|key|6469350|text|最近(至少)有两本综合性的ML书籍：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|6469351|概率机器学习:游戏介绍新闻，凯文·墨菲报道。|ordered-list-item|offset|length|6469352|使用Scikit的手工机器学习-学习、Keras和TensorFlow：Aurélien+Géron|6469353|两位作者都免费在线提供草稿/原始版本。然而，正如标题已经表明的那样，后者并没有提供与凯文·墨菲或哈斯蒂等人的书相同的数学深度。|entityMap|0|LINK|mutability|MUTABLE|url|https://probml.github.io/pml-book/book1.html|1|https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/^0|0|0|B|0|0|0|Z|1|0^^$0|@$1|2|3|4|5|6|7|T|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|U|8|@]|9|@$E|V|F|W|1|X]]|A|$]]|$1|G|3|H|5|D|7|Y|8|@]|9|@$E|Z|F|10|1|11]]|A|$]]|$1|I|3|J|5|6|7|12|8|@]|9|@]|A|$]]]|K|$L|$5|M|N|O|A|$P|Q]]|R|$5|M|N|O|A|$P|S]]]]

<p>There are (at least) two recent and comprehensive ML books:</p>
<ol>
<li><a href="https://probml.github.io/pml-book/book1.html" rel="nofollow noreferrer"><strong>Probabilistic Machine Learning: An Introduction</strong></a> by Kevin Murphy.</li>
<li><strong><a href="https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/" rel="nofollow noreferrer">Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow</a></strong> by Aurélien Géron</li>
</ol>
<p>Both authors provide draft/raw versions for free online. The latter one however, as title already indicates, does not provide the same mathematical depth as the books by Kevin Murphy or Hastie et al.</p>


blocks|key|6469509|text|机器学习理论|type|header-two|depth|inlineStyleRanges|entityRanges|data|6469510|机器学习的基础，2018年|unordered-list-item|offset|length|6469511|C.主教的模式识别，2006年|6469512|实用方法|6469513|机器学习工程|6469514|比场|6469515|可解释机器学习|6469516|专注于深度学习的|unstyled|6469517|6469518|深入学习。这是一本包含大量代码示例的交互式书籍。|6469519|深度学习书|entityMap|0|LINK|mutability|MUTABLE|url|http://Foundations%2520of%2520Machine%2520Learning|1|https://www.springer.com/jp/book/9780387310732|2|http://www.mlebook.com/wiki/doku.php|3|https://christophm.github.io/interpretable-ml-book/|4|https://d2l.ai/|5|https://www.deeplearningbook.org/^0|0|0|7|0|0|0|9|1|0|0|0|6|2|0|0|0|7|3|0|0|0|0|O|4|0|0|5|5^^$0|@$1|2|3|4|5|6|7|1F|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|1G|8|@]|9|@$E|1H|F|1I|1|1J]]|A|$]]|$1|G|3|H|5|D|7|1K|8|@]|9|@$E|1L|F|1M|1|1N]]|A|$]]|$1|I|3|J|5|6|7|1O|8|@]|9|@]|A|$]]|$1|K|3|L|5|D|7|1P|8|@]|9|@$E|1Q|F|1R|1|1S]]|A|$]]|$1|M|3|N|5|6|7|1T|8|@]|9|@]|A|$]]|$1|O|3|P|5|D|7|1U|8|@]|9|@$E|1V|F|1W|1|1X]]|A|$]]|$1|Q|3|R|5|S|7|1Y|8|@]|9|@]|A|$]]|$1|T|3|-4|5|6|7|1Z|8|@]|9|@]|A|$]]|$1|U|3|V|5|D|7|20|8|@]|9|@$E|21|F|22|1|23]]|A|$]]|$1|W|3|X|5|D|7|24|8|@]|9|@$E|25|F|26|1|27]]|A|$]]]|Y|$Z|$5|10|11|12|A|$13|14]]|15|$5|10|11|12|A|$13|16]]|17|$5|10|11|12|A|$13|18]]|19|$5|10|11|12|A|$13|1A]]|1B|$5|10|11|12|A|$13|1C]]|1D|$5|10|11|12|A|$13|1E]]]]

<h2>Machine learning theory</h2>
<ul>
<li><a href="http://Foundations%20of%20Machine%20Learning" rel="nofollow noreferrer">Foundations of Machine Learning</a>, 2018</li>
<li><a href="https://www.springer.com/jp/book/9780387310732" rel="nofollow noreferrer">Pattern recognition by C. Bishop</a>, 2006</li>
</ul>
<h2>Practical approach</h2>
<ul>
<li><a href="http://www.mlebook.com/wiki/doku.php" rel="nofollow noreferrer">Machine Learning engineering</a></li>
</ul>
<h2>Specific field</h2>
<ul>
<li><a href="https://christophm.github.io/interpretable-ml-book/" rel="nofollow noreferrer">Interpretable Machine Learning, C. Molnar</a></li>
</ul>
<h2>With focus on deep learning</h2>
<ul>
<li><a href="https://d2l.ai/" rel="nofollow noreferrer">Dive into Deep Learning. It is an interactive book with lot of code examples</a></li>
<li><a href="https://www.deeplearningbook.org/" rel="nofollow noreferrer">Deep Learning book</a></li>
</ul>


<p>I would like to ask what are the current recommendations for professional and comprehensive, current books on machine learning.</p>
<p>The two quite classic comprehensive text-books are:</p>
<ul>
<li>Machine Learning: A Probabilistic Perspective (Murphy, 2012)</li>
<li>The Elements of Statistical Learning: Data Mining, Inference, and Prediction (By Springer Statistics, 2009)</li>
</ul>
<p>But they are somewhat dated, so I wonder if there are more recent choices? You may also recommend books that focus on sub-sections of ML, or anything that is recent and of note.</p>


Recent comprehensive text-books on machine learning?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我想问一下，目前关于机器学习的专业和全面的、最新的书籍的建议是什么？这两本相当经典的综合性教材是：机器学习:概率视角(Murphy，2012)“统计学习的要素:数据挖掘、推理和预测”( Springer Statistics，2009)但它们有点过时，所以我想知道是否有更多的最近的选择？你也可以推荐那些专注于ML的子部分的书，或者任何最近和值得注意的书。

问最近关于机器学习的综合教材？
EN

回答 2

Data Science用户

Data Science用户

机器学习理论

实用方法

比场

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问最近关于机器学习的综合教材？EN

回答 2

Data Science用户

Data Science用户

机器学习理论

实用方法

比场

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问最近关于机器学习的综合教材？
EN