介绍
自从我成为没有经验的工程师以来已经过去了两年。
从今年年初开始，我也参与了机器学习项目。
起初，要学习的东西太多，我很犹豫，但我拼命尝试提供意见。
我认为有些人被机器学习和人工智能这两个词所吸引，并想成为工程师。
对于这些人，我想介绍一些我在过去一年左右读过的一些我认为特别好的技术书籍，希望他们能找到从什么开始学习的提示。
他们都很有名，所以你可能已经知道很多，但如果你对机器学习工程师的工作感兴趣，请阅读它们。
赢得 Kaggle 的数据分析技术
单看标题，貌似是针对中高级玩家的，“什么是机器学习？”也建议那些有条件的人。
这是我自己读的第一本书。
“毕竟，你到底在做什么来创建机器学习模型？”这很容易通过图表和图形来理解。
如果你刚开始学习，我想你会跳过那些看起来很难的栏目去阅读它们。
还有提高准确性的具体提示，
“我其实做了一个模型，但是接下来我该怎么做呢？”
如果你说的时候再读一遍，你会得到很多提示。这是学习机器学习的必备书籍。
工作中的机器学习
机器学习工程师在工作中的工作是什么？“只需创建一个高度准确的模型”那不是全部。
- 如何将机器学习整合到系统中
- 您创建的机器学习在应用于生产时是否产生了良好的准确性（如何解释？）
- 如何处理发布后监控
还有很多其他的事情需要考虑。
在从事机器学习工作时，我经常会花更多的时间在模型创建以外的事情上。
抑制这样一系列的流动是一本完美的书。
用于策略设计的机器学习简介
- 机器学习应该解决什么问题？
- 我这次要解决的问题是应该首先使用机器学习的问题吗？
一本让你重新思考的书。
机器学习不是解决一切问题的魔杖。
“让我们暂时使用机器学习。”也有很多项目不假思索地坚持机器学习。
机器学习能做什么，不能做什么？能够在此基础上提出建议并实施它们是很重要的。
此外，本书的“导言”中包含以下描述。
“（本书的目的）是了解使机器学习工作所需的步骤，并能够灵活地使用它。”
即使该项目看起来可以通过机器学习来解决，但仅通过构建教科书模型就不太可能成功。
这是一本我想不时再读一遍的书。
效果验证介绍
在实践中应用机器学习以正确衡量其有效性。当将机器学习作为一项工作时，这是不可避免的。
评价一个人的工作取决于有效性验证你也可以说。
在任何项目中，都难免会进行效果的验证，但要正确地进行是极其困难的，而且在各个地方都做出了许多错误的决定。（相反，即使没有结果，也可以显示为有结果。）
可以引入什么样的偏见以及如何消除它？
不知道方法，就无法正确判断效果。
因果推理的基本知识即使对于初学者也以易于理解的方式进行解释。
当然，这是一本您应该始终先通读的书，但它也是您每次实际验证其有效性时都想重读的书。
在最后
我介绍了四本必读书籍，从“我对机器学习有一种模糊的崇拜”的阶段，进入了“以机器学习为工作”的阶段。
我们是一家专门使用人工智能和机器学习进行系统开发的公司，我们有许多成员从没有经验的人变成了工程师。
我们正在寻找大学生、应届毕业生和处于职业生涯中期的同事与我们合作！
对于那些有兴趣的人这里从。
原创声明：本文系作者授权爱码网发表，未经许可，不得转载;
原文地址：https://www.likecs.com/show-308629290.html