机器学习技术类书单推荐

机器学习技术类书单推荐,共11本:

《机器学习》

《图解机器学习》

《机器学习实战》【有电子版】

《机器学习系统设计》【有电子版】

《Python机器学习基础教程》【有电子版】

《Python机器学习经典实例》【有电子版】

《精通机器学习:基于R(第2版)》【有电子版】

《Spark机器学习》【有电子版】

《Java机器学习》【有电子版】

《Mahout实战》【有电子版】

《机器学习实践:测试驱动的开发方法》【有电子版】

入门1:全面经典

Machine Learning: The Art and Science of Algorithms that Make Sense of Data

http://www.ituring.com.cn/book/1119

作者:Peter Flach

译者:段菲

定价:79.00元

  • 被誉为内容最全面的机器学习指南,Machine Learning期刊总编Peter Flach力作
  • 数百个精选实例和解说性插图,汇集所有用于理解、挖掘和分析数据的先进方法

本书是迄今市面上内容最为全面的机器学习教材之一,书中汇集了所有用于理解、挖掘和分析数据的先进方法,并且通过数百个精选实例和解说性插图,直观而准确地阐释了这些方法背后的原理,内容涵盖了机器学习的构成要素和机器学习任务、逻辑模型、几何模型、统计模型,以及矩阵分解、ROC分析等时下热点话题。

入门2:最易上手

イラストで学ぶ 機械学習

http://www.ituring.com.cn/book/1371

作者:杉山将 

译者:许永伟

定价:49.00元

  • 最简单的机器学习入门书,187张图轻松入门
  • 覆盖机器学习中最经典、用途最广的算法
  • 提供可执行的Matlab程序代码

本书用丰富的图示,从最小二乘法出发,对基于最小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况;第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法;第Ⅳ部分介绍了各种无监督学习算法;第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码,可以用来进行简单的测试。

实战1:最受欢迎

Machine Learning in Action

http://www.ituring.com.cn/book/1021

作者:Peter Harrington

译者:李锐 李鹏 曲亚东 王斌

定价:69.00元 / 电子书39.99元

  • 最畅销机器学习图书
  • 介绍并实现机器学习的主流算法
  • 面向日常任务的高效实战内容

全书通过精心编排的实例,切入日常工作任务,摒弃学术化语言,利用高效的可复用Python代码来阐释如何处理统计数据,进行数据分析及可视化。通过各种实例,读者可从中学会机器学习的核心算法,并能将其运用于一些策略性任务中,如分类、预测、推荐。另外,还可用它们来实现一些更高级的功能,如汇总和简化等。

实战2:必应团队教你ML系统设计

Building Machine Learning Systems with Python

http://www.ituring.com.cn/book/1192

作者:Willi Richert,Luis Pedro Coelho

译者:刘峰

定价:49.00元 / 电子书19.99元

  • 微软Bing核心团队成员推出
  • 聚焦算法编写和编程方式
  • 结合大量实例学会解决实际问题

本书将向读者展示如何从原始数据中发现模式,首先从Python与机器学习的关系讲起,再介绍一些库,然后就开始基于数据集进行比较正式的项目开发了,涉及建模、推荐及改进,以及声音与图像处理。通过流行的开源库,我们可以掌握如何高效处理文本、图片和声音。同时,读者也能掌握如何评估、比较和选择适用的机器学习技术。

入门:用Python机器学习

Introduction to Machine Learning with Python

http://www.ituring.com.cn/book/1915

作者:Andreas C. Müller ,Sarah Guido

译者:张亮(hysic)

定价:79.00元 / 电子书39.99元

  • Python机器学习入门书
  • 自己动手构建机器学习解决方案并非难事!
  • 以机器学习算法实践为重点,使用scikit-learn库从头构建机器学习应用

本书主要内容包括:

  • 机器学习的基本概念及其应用;
  • 实践中最常用的机器学习算法以及这些算法的优缺点;
  • 在机器学习中待处理数据的呈现方式的重要性,以及应重点关注数据的哪些方面;
  • 模型评估和调参的高级方法,重点讲解交叉验证和网格搜索;
  • 管道的概念;
  • 如何将前面各章的方法应用到文本数据上,还介绍了一些文本特有的处理方法。

经典实例:用Python机器学习

Python Machine Learning Cookbook

http://www.ituring.com.cn/book/1894

作者:Prateek Joshi 译者:陶俊杰,陈小莉 定价:59.00元

  • 监督学习技术、预测建模、无监督学习算法等前沿话题的实例代码展示
  • 来自Kaggle的经典数据集和机器学习案例
  • 用流行的Python库scikit-learn解决机器学习问题

本书不仅可以帮你了解现实生活中机器学习的应用场景,而且通过有趣的菜谱式教程教你掌握处理具体问题的算法。

本书首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络,等等。通过本书,你不仅可以学会如何做出合理的决策,为自己选择合适的算法类型,而且可以学会如何高效地实现算法以获得最佳学习效果。

用R语言讲述机器学习高级技术

Mastering Machine Learning with R, Second Edition

http://www.ituring.com.cn/book/1989

作者:Cory Lesmeister

译者:陈光欣

定价:69.00元 / 电子书34.99元

  • 利用R包轻松应用机器学习方法
  • 展示各类机器学习方法的优势与潜在问题
  • 技术与理论并重,通过丰富的商业案例实现机器学习高级概念
  • 在AWS等云平台上利用R亲手实践机器学习

机器学习是近年来的热门技术话题,R语言是处理其中大量数据的有力工具。

本书为读者提供机器学习和R语言的坚实算法基础和业务基础,内容包括机器学习基本概念、线性回归、逻辑回归和判别分析、线性模型的高级选择特性、K最近邻和支持向量机等,力图平衡实践中的技术和理论两方面。

实战3:Spark + ML

Machine Learning with Spark

http://www.ituring.com.cn/book/1569

作者:Nick Pentreath

译者:蔡立宇 黄章帅 周济民

定价:59.00元 / 电子书29.99元

  • 当机器学习遇上最流行的并行计算框架Spark
  • 以机器学习算法为主线,结合实例探讨Spark的实际应用

本书介绍Spark的基础知识,从利用Spark API来载入和处理数据,到将数据作为多种机器学习模型的输入。此外还通过详细的例子和现实应用讲解了常见的机器学习模型,包括推荐系统、分类、回归、聚类和降维。最后还介绍了一些高阶内容,如大规模文本数据的处理,以及Spark Streaming下的在线机器学习和模型评估方法。

实战4: Java

Machine Learning in Java

http://www.ituring.com.cn/book/1909

作者:Boštjan Kaluža

译者:武传海

定价:49.00元 / 电子书:24.99元

  • 利用Java机器学习常见库设计、构建、部署你自己的机器学习应用!
  • 快速了解用Java创建并实现机器学习

本书主要内容包括:机器学习基本概念、原理,Weka、Mahout、Spark等常见机器学习库的用法,各类机器学习常见任务,包括分类、预测预报、购物篮分析、检测异常、行为识别、图像识别以及文本分析。最后还提供了相关Web资源、各种技术研讨会议以及机器学习挑战赛等进阶所需内容。

实战5: Mahout ML

Mahout in Action

http://www.ituring.com.cn/book/862

作者:Sean Owen,Robin Anil等

译者:王斌 韩冀中 万吉

定价:79.00元 / 电子书31.99元

  • Apache基金会官方推荐
  • Mahout核心团队权威力作
  • 大数据时代机器学习的实战经典

Mahout作为Apache的开源机器学习项目,把推荐系统、分类和聚类等领域的核心算法浓缩到了可扩展的现成的库中。使用Mahout可以在自己的项目中应用亚马逊、Netflix等公司的机器学习技术。

实战6:Test-Driven实践

Thoughtful Machine Learning: A Test-Driven Approach

http://www.ituring.com.cn/book/1546

作者:Matthew Kirk

译者:段菲

定价:49.00元 / 电子书

  • 用测试驱动方法开发出可靠、稳定的机器学习算法
  • 利用机器学习技术解决涉及数据的现实问题

通过阅读本书,你将能够:

  • 在编写代码之前,运用测试驱动的方法来编写和运行测试
  • 学习八种机器学习算法的最佳用法,并进行权衡
  • 通过动手实践真实示例,对每种算法进行测试
  • 理解测试驱动开发和对解进行验证的科学方法之间的相似性
  • 获悉机器学习的风险,如对数据产生欠拟合或过拟合
  • 探索可改善机器学习模型或数据提取的各种技术

本书每一章都通过示例介绍了机器学习技术能够解决的有关数据的具体问题,以及求解问题和处理数据的方法。具体涵盖了测试驱动的机器学习、机器学习概述、K 近邻分类、朴素贝叶斯分类、隐马尔可夫模型、支持向量机、神经网络、聚类、核岭回归、模型改进与数据提取等内容。

END.

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2018-04-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏专知

【NLP专题】斯坦福CS224n课程笔记01:自然语言处理与深度学习简介

2.2K20
来自专栏AI科技评论

自然语言的理解和连续表达 | 微软演讲PPT终章

微软研究院在IJCAI2016的Tutorial上讲述了自己将深度学习、深度神经网络应用于不同场景的情况,之前第二部分提到了深度学习在统计机器翻译和会话中的应用...

33860
来自专栏AI科技评论

微软亚洲研究院刘铁岩博士:迎接深度学习的“大”挑战

AI科技评论按:本文根据刘铁岩博士在中国人工智能学会AIDL第二期人工智能前沿讲习班*机器学习前沿所作报告《迎接深度学习的“大”挑战》编辑整理而来,发文前已得到...

381100
来自专栏新智元

【再论深度学习必死】马库斯回应14大质疑,重申深度学习怀疑论

作者:Gary Marcus 翻译:新智元编辑部 【新智元导读】深度学习论战再起,NYT心理学家Gary Marcus如约写了一篇偏技术的文章,回应对他此前提出...

33440
来自专栏人工智能头条

关于强化学习你不得不知道的5件事

20330
来自专栏AI科技评论

学界 | Moments in Time:IBM-MIT联合提出最新百万规模视频动作理解数据集

AI 科技评论按:本文为上海交通大学林天威为 AI 科技评论撰写的独家稿件,未经许可请勿转载。 在过去一年中,视频理解相关的领域涌现了大量的新模型、新方法,与之...

38770
来自专栏量子位

“众矢之的”马库斯回应14个问题,将深度学习质疑到底

安妮 维金 李杉 编译自 Medium 量子位 出品 | 公众号 QbitAI 深度学习的质疑者中有位战士。 他有底气与大牛Yann LeCun激辩AI是否需要...

368100
来自专栏人工智能头条

Yann LeCun:CNN已解决CIFAR-10,目标 ImageNet

24060
来自专栏人工智能头条

基于大数据与深度学习的自然语言对话

19780
来自专栏AI星球

吾爱NLP(3)—我对NLP的理解与学习建议

简单来说,NLP = Nature Language Process = 自然语言处理 ≈ 语言信息(文本/语音)+机器学习 。

26520

扫码关注云+社区

领取腾讯云代金券