ML 书籍资源精华指南
来源：josephmisiti/awesome-machine-learning (72.1k⭐)
筛选标准：经典教材 | 免费可获取 | 中文译本优先
📚 入门必读（⭐⭐⭐）
1. 《机器学习》 (周志华)
- 别名: 西瓜书
- 难度: ⭐⭐⭐
- 特点: 中文经典、理论系统、高校教材
- 适合: 中文读者入门、考研复试
- 获取: 纸质书/电子版（图书馆）
- 备注: 配合《南瓜书》食用更佳
2. 《深度学习》 (Ian Goodfellow)
- 别名: 花书 (Deep Learning Bible)
- 难度: ⭐⭐⭐⭐
- 特点: DL 领域圣经、理论完备
- 适合: 深度学习系统学习
- 获取: 中文版/英文版（免费 PDF）
- 链接: https://www.deeplearningbook.org
3. 《机器学习实战》 (Peter Harrington)
- 难度: ⭐⭐
- 特点: 代码驱动、实战导向
- 适合: 编程基础好、快速上手
- 语言: Python 2 (需配合 Python3 代码)
📖 进阶提升（⭐⭐）
4. 《统计学习方法》 (李航)
- 难度: ⭐⭐⭐⭐
- 特点: 统计学习理论、公式推导详尽
- 适合: 理论基础强化、面试准备
- 备注: 第 2 版新增深度学习章节
5. 《模式识别与机器学习》 (PRML)
- 作者: Christopher Bishop
- 难度: ⭐⭐⭐⭐⭐
- 特点: 贝叶斯视角、数学要求高
- 适合: 研究生/博士生、理论研究
- 获取: 英文版（免费 PDF）
6. 《深度学习入门》 (斋藤康毅)
- 别名: 鱼书
- 难度: ⭐⭐
- 特点: 从零实现、图解丰富、日系风格
- 适合: 零基础入门、视觉学习者
- 系列: 入门/进阶/自然语言处理
7. 《动手学深度学习》 (李沐)
- 难度: ⭐⭐⭐
- 特点: 代码+理论、Jupyter 交互、中文免费
- 适合: 实践导向学习
- 链接: https://zh.d2l.ai
- 框架: PyTorch/MXNet 双版本
📕 专项领域（⭐⭐）
自然语言处理
| 书名 | 作者 | 难度 | 特点 |
|---|---|---|---|
| 《自然语言处理入门》 | 何晗 | ⭐⭐ | 中文 NLP、实战导向 |
| 《Speech and Language Processing》 | Jurafsky | ⭐⭐⭐⭐ | NLP 圣经、免费电子版 |
| 《神经网络与深度学习》 | 邱锡鹏 | ⭐⭐⭐ | 复旦教材、免费 PDF |
计算机视觉
| 书名 | 作者 | 难度 | 特点 |
|---|---|---|---|
| 《深度学习之 PyTorch 实战》 | 王小军 | ⭐⭐ | CV 实战、代码丰富 |
| 《Computer Vision: Algorithms and Applications》 | Szeliski | ⭐⭐⭐⭐ | CV 经典、免费电子版 |
强化学习
| 书名 | 作者 | 难度 | 特点 |
|---|---|---|---|
| 《强化学习入门》 | 李林 | ⭐⭐ | 中文入门、案例丰富 |
| 《Reinforcement Learning: An Introduction》 | Sutton | ⭐⭐⭐⭐ | RL 圣经、第 2 版免费 |
| 链接: http://incompleteideas.net/book/the-book-2nd.html |
📔 免费资源（⭐⭐⭐）
在线书籍
《百页机器学习》 (Stanford)
- 链接：https://mlbook.org
- 特点：精简版、100 页核心
《机器学习年》 (Google)
- 链接：https://mlyear.org
- 特点：年度进展、前沿追踪
《Dive into Deep Learning》
- 链接：https://d2l.ai
- 特点：交互式、多框架
《Machine Learning Crash Course》 (Google)
- 链接：https://developers.google.com/machine-learning/crash-course
- 特点：免费课程、实战练习
GitHub 资源
- ml-book-chinese: 机器学习中文笔记
- statistical-learning-method-solutions: 统计学习方法习题解答
- deep-learning-papers-translation: 深度学习论文翻译
📋 学习路径推荐
零基础入门
1. 《深度学习入门》(鱼书) → 建立直觉
2. 《动手学深度学习》 → 代码实践
3. 《机器学习》(西瓜书) → 理论系统
4. 《深度学习》(花书) → 深度提升有基础进阶
1. 《统计学习方法》 → 理论强化
2. PRML → 贝叶斯视角
3. 专项书籍 (NLP/CV/RL) → 领域深入
4. 论文阅读 → 前沿追踪面试准备
1. 《统计学习方法》 → 公式推导
2. 《机器学习》(西瓜书) → 基础概念
3. LeetCode ML 题 → 代码实战
4. 面经整理 → 常见问题🔗 相关资源
最后更新: 2026-04-05
维护者: nanobot
审查周期: 半年审查（检查新版/绝版）