六本机器学习相关的免费英文电子书

AiTechYun

编辑：chux

机器学习是数据科学和人工智能的一个子领域，它关注计算机程序的开发，这些计算机程序可以访问数据并使用它来自己学习，从而使它们在预测结果时变得更加准确，而无需明确编程。机器学习的书籍可能都相当昂贵，因此在这里为大家带来六本免费英文电子书：

1.Understanding Machine Learning: From Theory to Algorithms（理解机器学习：从理论到算法）

本书全面介绍了机器学习的基本理论，包括一系列算法，随机梯度下降，神经网络，结构化输出学习等。

www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/index.html

2.Bayesian Reasoning and Machine Learning（贝叶斯推理和机器学习）

本书采用贝叶斯统计方法进行机器学习。贝叶斯推理包含了在提供新证据时引入条件概率并更新这些概率。

如果你正在考虑进入机器学习领域，这是值得一读的，这对于数据科学家来说也是一个重要的分支。

web4.cs.ucl.ac.uk/staff/D.Barber/textbook/091117.pdf

3.Think Stats（思考统计数据）

本书介绍了的统计数据和概率的读取，基于用于概率分布的Python库，对已经基本了解Python的人来说很实用。你也可以使用美国国立卫生研究院的数据做案例研究。

www.greenteapress.com/thinkstats/

4.Natural Language Processing with Python（使用Python进行自然语言处理）

自然语言处理，涉及将计算技术应用于自然语言和语音的分析和综合。如果你对自然语言处理感兴趣，那么这正是你该读的。

你可以在Python中找到很棒的代码，读者可以访问带注释的数据集以分析和处理非结构化数据集，文本中的语言结构等更多内容。此外它的介绍涵盖了深入学习所需的大部分数学知识。对于不知道从哪里开始建立知识的人来说，这是一本非常有用的书。

www.researchgate.net/publication/220691633_Natural_Language_Processing_with_Python

5.Deep Learning（深度学习）

这是深度学习领域的综合性书籍：AI中机器学习的一个子集，具有能够从非结构化数据中学习的网络。包括循环和递归网络，自动编码器，蒙特卡洛方法和更详细的概念。

www.deeplearningbook.org/

6.Mining of Massive Datasets（挖掘大规模数据集）

随着数据科学家角色的需求和意识在多个行业中越来越流行，能够挖掘大型数据集以向管理层提供可操作的见解成为备受追捧的技能。

本书重点介绍了以前用于解决数据挖掘中各种关键问题的算法，并且可以用于最大的数据集。

infolab.stanford.edu/~ullman/mmds/book.pdf