參考資料與推薦閱讀 ====================================== 本書是一本 TensorFlow 技術手冊,並不包含太多關於機器學習 / 深度學習的理論知識。然而一本好的機器學習入門資料仍然對 TensorFlow 技術的理解至關重要。對於希望入門機器學習 / 深度學習原理的讀者,筆者給出(具有個人主觀色彩和局限的)以下閱讀建議。 如果你是一名在校大學生,具有較好的數學基礎,可以從以下教材入手,作為學習機器學習的起點: * `統計學 `_ : 中文統計3.0(附光碟1片):統計學的學習地圖和電腦應用). 東華出版社,2012. * `深度學習入門教室 `_ : 6堂基礎課程+Python實作練習,Deep Learning、人工智慧、機器學習的理論和應用全圖解. 臉譜出版社,2019. * 邱錫鵬. `神經網絡與深度學習 `_ . 機械工業出版社, 2020.(有在線版本可閱讀) 如果你希望更具實踐性的內容,推薦以下書籍: * `Python機器學習 `_ . 博碩出版社,2016. * `TensorFlow+Keras深度學習人工智慧實務應用 `_ . 博碩出版社,2018. 如果你對大學的知識已經生疏,或者還是高中生,推薦首先閱讀以下教材: * `人工智慧導論 `_ . 全華圖書出版社,2019. 對於貝葉斯的視角,推薦以下入門書籍: * Davidson-pilon, Cameron. `Probabilistic Programming and Bayesian Methods for Hackers `_ . Addison-Wesley Professional,2015. 如果你喜歡相對生動的視頻講解,可以參考以下公開課程: * `台灣大學李宏毅教授的《機器學習》課程 `_ ( `講義點此 `_ ,中文,講解生動且更新及時) * `谷歌的《機器學習速成課程》 `_ (內容已全部漢化,注重實踐) * `Andrew Ng的《機器學習》課程 `_ (英文含字幕,經典課程,較偏理論,網絡上可搜索到很多課程筆記) .. raw:: html