0 大家好，今天小编关注到一个比较有意思的话题，就是关于统计学习方法 李航的问题，于是小编就整理了2个相关介绍统计学习方法 李航的解答，让我们一起看看吧。
学习大数据、机器学习及人工智能必读书目有哪些？
实际上机器学习、数据挖掘以及人工智能的大部分书籍是相似的，但是侧重会稍有不同。 其他同学的回答中已经包含了很多内容。 我从我的角度来提出我对这一类书籍的建议。
1. 主要的教材和好的书籍还是以英文版为主
人工智能比较全面而且用的广泛的教材是：《AI: A Modern Approach》, 这个内容介绍比较多，我就不赘述了。
机器学习推荐的有： Chris Bishop:《Pattern Recognition and Machine Learning》
这本书被很多研究者做为机器学习与模式识别的圣经，在于文字流畅简洁。我们也曾用来做Reading Group. 效果还是不错的。
Kevin Murphy: 《Machine Learning: A probabilistic perspective》
这个本书是个大块头，内容非常详细，好处就是可以从基础入门，中间突然遇到瓶颈的情况比较少。 如果时间充裕，可以用这本书打好基础。缺点就是很长，有一千多页。 内容很全面。
David Mackay: 《Information Thoery, Inference, and Learning Algorithms》
这本是我比较欣赏的Makcay教授的力作，网上也有免费的版本。虽然说这本书不完全是机器学习书籍，但是书写的非常具有英国学者的独特视角。能把更多的理论后面的本质找到关联。对初学者也是比较好的一本书。 Mackay教授才过世不久，是一个传奇的人物。 大家可以了解一下。 (https://en.wikipedia.org/wiki/David_J._C._MacKay)
Hastie, Tibshirani and Friedman: 《The Elements of Statistical Learning》
经典书籍，适合数学稍好的，有些工科背景或编程背景的同学也许会更喜欢其他几本书。
Goodfellow, Bengio and Courville: 《Deep Learning》
这个也不赘述太多。
Peter Flach: 《Machine Learning》
这本书大家推广的不多，但是该书是一本非常好的入门书籍。 Peter也是以前读硕士的导师，也一定要支持一下。
2. 中文版的书籍推荐的不多。 主要就是两本：
周志华：《机器学习》
李航：《统计学习方法》
3. 当然还有机器学习的科普书，推荐其中一本：P. Domingos: 《The Master Algorithm》
谢邀～
本人并不喜欢看这些技术方面的书，书都是人写的，肯定有部分理解不对地地方，或者可能因为技术版本更新脱离时代，我一般都是去百度了解这些涉及到哪些技术，然后去官网或技术论坛看的，所以题主让我推荐书，我也没有好推荐的
我个人认为，不是每一个人都要成为算法研究师，了解人工智能的概貌和原理，利用已有的框架和平台，完成自己的任务就已经很了不起了，安安静静地做一个应用型的美男子其实是绝大多数人的归宿，目前的开源框架很多，但原理和内在基本一致，其实我们无需过多了解内核，埋下头去深入钻研一个框架应用就已经超棒了，研究算法和基体框架就留给那些牛人们吧。
说到应用型的书籍，我基本都是在官网和社区学习，个人观点，非喜勿喷。
加米谷教育就来推荐几本吧：
1、《数据科学入门》
2、《Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking》
3、《贝叶斯思维》
5、《统计思维：程序员数学之概率统计》
6、《利用Python进行数据分析》
7、《Advanced and Multivariate Statistical Methods》
8、《Hadoop: The Definitive Guide》
9、《Mining of Massive Datasets》
10、《数据挖掘》
关于人工智能学习路线图，有哪些？
大家常说的人工智能其实包含了自然语言处理（NLP）、机器视觉（CV）、数据挖掘（DM）三个大方向。这些大方向下面又有以下分类的小方向：
NLP：机器翻译、文本分类、知识图谱、文本相似度计算、语音识别、情感计算、自动摘要、聊天机器人等等
CV：行人检测、人脸识别、自动驾驶、图像分类、目标检测、智能安防等等
DM：广告计算、推荐系统、用户画像、各类预测分类任务等等，DM很多领域也需要用到 NLP 的知识。
所以你看，人工智能有这么多方向，每个方向都有它自己的学习路线和学习重点。
但是不管你将来想走哪个路线，它们所需要的基础知识都是大体相通的，现在我给你推荐一些人工智能的基础学习路线吧。
一、编程语言
首选建议你使用Python入门，当然之后根据需要可能需要学习其他高性能语言，比如C++、JAVA 等。
首先需要学习Python的基础语法知识，你去网上随便找一个在线教程或者买一本入门书籍，耐着性子看一遍，按着教程敲一遍代码就可以学会了。
其次你还需要学习Python的一些常用库，比如 Numpy, pandas，matplotlib等，这些库建议你看一看《利用Python进行数据分析·》这本书，学一遍记住有哪些功能API就行，用到的时候不记得了再常翻翻。
二、数学基础
人工智能专业对数学的要求相比于其他编程方向更高、更多。尤其你需要有统计学、概率论、线性代数的基础，至少要求达到本科理工科所需要的水平吧。
三、数据结构和算法能力
不管你学哪种编程语言，这个是必须要有的，不需要你理解多深，只需要你知道有哪些数据结构算法，用的时候能想起来。
四、机器学习、深度学习框架
推荐使用 sklearn 入门传统机器学习算法，后期针对需要学习 spark ；推荐使用 keras、pytorch 入门深度学习算法，这两个框架对新比较友好，你也可以学习tensorflow，它在工业界用的比较多。
五、机器学习、深度学习书籍推荐
李航的《统计学习方法》
周志华的《机器学习》
三巨头合著的《深度学习》
这些书籍都有很多配套的学习资源，多用百度搜一搜。
好了学完上面的基础，你可以确定往哪个方向深入学习了，然后再针对学习吧。
如果我的回答对你有帮助的话可以点个赞哦~
当然你也可以关注我，可以去我的主页看看，我上传了一些Python和深度学习相关的视频，后期也将持续上传这个方面的教程。
到此，以上就是小编对于统计学习方法 李航的问题就介绍到这了，希望介绍关于统计学习方法 李航的2点解答对大家有用。