今天推薦的圖書專注機(jī)器學(xué)習(xí)主題股淡，一共7本，都是經(jīng)過實踐檢驗的好書——《機(jī)器學(xué)習(xí)》《圖解機(jī)器學(xué)習(xí)》《機(jī)器學(xué)習(xí)實戰(zhàn)》《機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計》《Spark機(jī)器學(xué)習(xí)》《Mahout實戰(zhàn)》《機(jī)器學(xué)習(xí)實踐：測試驅(qū)動的開發(fā)方法》壮不。
PS：《機(jī)器學(xué)習(xí)》是新書蔼夜，剛剛上市判呕，英文版評價非常棒尘喝，【閱讀原文】放上了京東的購買鏈接磁浇。
本文選自“圖靈教育”微信，關(guān)注我們的微信有贈書活動朽褪，不要錯過哦~
1置吓、入門1：全面經(jīng)典【Machine Learning: The Art and Science of Algorithms that Make Sense of Data】
作者：Peter Flach
譯者：段菲
頁數(shù)：312
被譽為內(nèi)容最全面的機(jī)器學(xué)習(xí)指南，Machine Learning期刊總編Peter Flach力作
數(shù)百個精選實例和解說性插圖缔赠，匯集所有用于理解衍锚、挖掘和分析數(shù)據(jù)的先進(jìn)方法
《機(jī)器學(xué)習(xí)》是迄今市面上內(nèi)容最為全面的機(jī)器學(xué)習(xí)教材之一，書中匯集了所有用于理解嗤堰、挖掘和分析數(shù)據(jù)的先進(jìn)方法戴质，并且通過數(shù)百個精選實例和解說性插圖，直觀而準(zhǔn)確地闡釋了這些方法背后的原理梁棠，內(nèi)容涵蓋了機(jī)器學(xué)習(xí)的構(gòu)成要素和機(jī)器學(xué)習(xí)任務(wù)置森、邏輯模型斗埂、幾何模型符糊、統(tǒng)計模型，以及矩陣分解呛凶、ROC分析等時下熱點話題男娄。
2、入門2：最易上手【イラストで學(xué)ぶ 機(jī)械學(xué)習(xí)】
作者：杉山將
譯者：許永偉
頁數(shù)：240
最簡單的機(jī)器學(xué)習(xí)入門書，187張圖輕松入門
覆蓋機(jī)器學(xué)習(xí)中最經(jīng)典模闲、用途最廣的算法
提供可執(zhí)行的Matlab程序代碼
《圖解機(jī)器學(xué)習(xí)》用豐富的圖示建瘫，從最小二乘法出發(fā)，對基于最小二乘法實現(xiàn)的各種機(jī)器學(xué)習(xí)算法進(jìn)行了詳細(xì)的介紹尸折。第Ⅰ部分介紹了機(jī)器學(xué)習(xí)領(lǐng)域的概況啰脚；第Ⅱ部分和第Ⅲ部分分別介紹了各種有監(jiān)督的回歸算法和分類算法；第Ⅳ部分介紹了各種無監(jiān)督學(xué)習(xí)算法实夹；第Ⅴ部分介紹了機(jī)器學(xué)習(xí)領(lǐng)域中的新興算法橄浓。書中大部分算法都有相應(yīng)的MATLAB程序源代碼，可以用來進(jìn)行簡單的測試亮航。
3荸实、實戰(zhàn)1：最受歡迎【Machine Learning in Action】
作者：Peter Harrington
譯者：李銳 李鵬 曲亞東 王斌
頁數(shù)：332
最暢銷機(jī)器學(xué)習(xí)圖書
介紹并實現(xiàn)機(jī)器學(xué)習(xí)的主流算法
面向日常任務(wù)的高效實戰(zhàn)內(nèi)容
《機(jī)器學(xué)習(xí)實戰(zhàn)》通過精心編排的實例，切入日常工作任務(wù)缴淋，摒棄學(xué)術(shù)化語言准给，利用高效的可復(fù)用Python代碼來闡釋如何處理統(tǒng)計數(shù)據(jù)，進(jìn)行數(shù)據(jù)分析及可視化重抖。通過各種實例露氮，讀者可從中學(xué)會機(jī)器學(xué)習(xí)的核心算法，并能將其運用于一些策略性任務(wù)中仇哆，如分類沦辙、預(yù)測、推薦讹剔。另外油讯，還可用它們來實現(xiàn)一些更高級的功能，如匯總和簡化等延欠。
4陌兑、實戰(zhàn)2：必應(yīng)團(tuán)隊教你ML系統(tǒng)設(shè)計【Building Machine Learning Systems with Python】
作者：Willi Richert，Luis Pedro Coelho
譯者：劉峰
頁數(shù)：224
微軟Bing核心團(tuán)隊成員推出
聚焦算法編寫和編程方式
結(jié)合大量實例學(xué)會解決實際問題
《機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計》將向讀者展示如何從原始數(shù)據(jù)中發(fā)現(xiàn)模式由捎，首先從Python與機(jī)器學(xué)習(xí)的關(guān)系講起兔综，再介紹一些庫，然后就開始基于數(shù)據(jù)集進(jìn)行比較正式的項目開發(fā)了狞玛，涉及建模软驰、推薦及改進(jìn)，以及聲音與圖像處理心肪。通過流行的開源庫锭亏，我們可以掌握如何高效處理文本、圖片和聲音硬鞍。同時慧瘤，讀者也能掌握如何評估戴已、比較和選擇適用的機(jī)器學(xué)習(xí)技術(shù)。
5锅减、實戰(zhàn)3：Spark + ML【Machine Learning with Spark】
作者：Nick Pentreath
譯者：蔡立宇 黃章帥 周濟(jì)民
頁數(shù)：240
當(dāng)機(jī)器學(xué)習(xí)遇上最流行的并行計算框架Spark
以機(jī)器學(xué)習(xí)算法為主線糖儡，結(jié)合實例探討Spark的實際應(yīng)用
《Spark機(jī)器學(xué)習(xí)》介紹Spark的基礎(chǔ)知識，從利用Spark API來載入和處理數(shù)據(jù)怔匣，到將數(shù)據(jù)作為多種機(jī)器學(xué)習(xí)模型的輸入握联。此外還通過詳細(xì)的例子和現(xiàn)實應(yīng)用講解了常見的機(jī)器學(xué)習(xí)模型，包括推薦系統(tǒng)每瞒、分類拴疤、回歸、聚類和降維独泞。最后還介紹了一些高階內(nèi)容呐矾，如大規(guī)模文本數(shù)據(jù)的處理，以及Spark Streaming下的在線機(jī)器學(xué)習(xí)和模型評估方法懦砂。
6蜒犯、實戰(zhàn)4： Mahout ML【Mahout in Action】
作者：Sean Owen，Robin Anil等
譯者：王斌 韓冀中 萬吉
頁數(shù)：340
Apache基金會官方推薦
Mahout核心團(tuán)隊權(quán)威力作
大數(shù)據(jù)時代機(jī)器學(xué)習(xí)的實戰(zhàn)經(jīng)典
《Mahout實戰(zhàn)》Mahout作為Apache的開源機(jī)器學(xué)習(xí)項目荞膘，把推薦系統(tǒng)罚随、分類和聚類等領(lǐng)域的核心算法濃縮到了可擴(kuò)展的現(xiàn)成的庫中。使用Mahout可以在自己的項目中應(yīng)用亞馬遜羽资、Netflix等公司的機(jī)器學(xué)習(xí)技術(shù)淘菩。
7、實戰(zhàn)5：Test-Driven實踐【Thoughtful Machine Learning: A Test-Driven Approach】
作者：Matthew Kirk
譯者：段菲
頁數(shù)：204
用測試驅(qū)動方法開發(fā)出可靠屠升、穩(wěn)定的機(jī)器學(xué)習(xí)算法
利用機(jī)器學(xué)習(xí)技術(shù)解決涉及數(shù)據(jù)的現(xiàn)實問題
通過閱讀本書潮改，你將能夠：
在編寫代碼之前，運用測試驅(qū)動的方法來編寫和運行測試
學(xué)習(xí)八種機(jī)器學(xué)習(xí)算法的最佳用法腹暖，并進(jìn)行權(quán)衡
通過動手實踐真實示例汇在，對每種算法進(jìn)行測試
理解測試驅(qū)動開發(fā)和對解進(jìn)行驗證的科學(xué)方法之間的相似性
獲悉機(jī)器學(xué)習(xí)的風(fēng)險，如對數(shù)據(jù)產(chǎn)生欠擬合或過擬合
探索可改善機(jī)器學(xué)習(xí)模型或數(shù)據(jù)提取的各種技術(shù)
《機(jī)器學(xué)習(xí)實踐：測試驅(qū)動的開發(fā)方法》每一章都通過示例介紹了機(jī)器學(xué)習(xí)技術(shù)能夠解決的有關(guān)數(shù)據(jù)的具體問題脏答，以及求解問題和處理數(shù)據(jù)的方法糕殉。具體涵蓋了測試驅(qū)動的機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)概述殖告、K 近鄰分類阿蝶、樸素貝葉斯分類、隱馬爾可夫模型黄绩、支持向量機(jī)羡洁、神經(jīng)網(wǎng)絡(luò)、聚類宝与、核嶺回歸焚廊、模型改進(jìn)與數(shù)據(jù)提取等內(nèi)容。
