想学习机器学习吗?从这10本书开始。
> Top 10 Books on Machine Learning For Absolute Beginners, Beginners and Experts
什么是机器学习?维基百科-机器学习(ML)是对计算机算法的研究,这些算法会根据经验自动提高。它被视为人工智能的子集。机器学习算法基于样本数据(称为"训练数据")构建模型,以便做出预测或决策而无需明确地编程。机器学习算法用于各种应用程序,例如电子邮件过滤和计算机视觉,在这些应用程序中,很难或不可行地开发常规算法来执行所需的任务。
机器学习的十大应用:
这是有关机器学习的十大最佳书籍。
1. 绝对初学者的机器学习:简单的英语介绍
> Machine Learning For Absolute Beginners: A Plain English Introduction
作者— Oliver Theobald
页数— 162
面向 —绝对初学者
说明-本书用英文解释写,没有编码经验。Oliver Theobald引入了核心算法,并给出了清晰的解释,并添加了直观的示例,以使其易于在家进行学习。
本书逐步指导您,您将学习:
2. 百页机器学习书
> The Hundred-Page Machine Learning Book
作者-Peter Norvig,Google研究总监,AIMA的合著者。AurélienGéron,高级AI工程师,畅销书Scikit-Learn和TensorFlow的动手机器学习的作者。亚马逊数据科学主管Karolis Urbonas。eBay工程主管Sujeet Varakhedi。
页数— 160
面向 —初学者
描述—有监督和无监督学习,支持向量机,神经网络,集成方法,梯度下降,聚类分析和降维,自动编码器和传递学习,特征工程以及超参数调整!数学,直觉,插图全部一百页!
3. 傻瓜的机器学习(在Python和R中)
> Machine Learning (In Python And R) For Dummies
作者—约翰·穆勒(John Mueller)是自由作家和技术编辑。
页数— 399
面向 —初学者
说明-本书是快速入门的简便方法。它说明了入门方法,提供了有关基础算法的工作方式的详细讨论,使用诸如Python和R之类的语言使机器学习成为可能,并指定了如何使用通用算法进行实际操作,等等!
书内:
4. 面向黑客的机器学习:案例研究和算法入门
> Machine Learning For Hackers: Case Studies And Algorithms To Get You Started
作者—作者Drew Conway和John Myles
页数— 340
面向 —初学者
说明-如果您是一位经验丰富的程序员,对数据处理感兴趣,那么本书将帮助您开始使用一种算法的机器学习工具包,该工具包使计算机能够训练自己以自动执行有用的任务。Drew Conway和John Myles White的作者通过一系列动手案例研究帮助您了解机器学习和统计工具,而不是传统的繁琐的演讲。
每章重点介绍机器学习中的特定问题,例如分类,预测,优化和推荐。使用R编程语言,您将学习如何分析样本数据集并编写简单的机器学习算法。黑客的机器学习非常适合来自任何背景的程序员,包括商业,政府和学术研究。
借助本书,您将:
5. 机器学习
> Machine Learning
作者—汤姆·米切尔(Tom M. Mitchell)
页数432
面向 —初学者
说明-这本教科书提供了单一来源的机器学习主要方法的介绍。它适用于高级本科生和研究生,以及该领域的开发人员和研究人员。假定没有人工智能或统计学的现有背景。书中讨论的几种关键算法,日期集示例和面向项目的作业分配可通过万维网访问。
特色:
6. 使用Scikit-Learn,Keras和Tensor Flow进行动手机器学习:概念,工具和技术
> Hands-On Machine Learning With Scikit-Learn, Keras And Tensor Flow: Concepts, Tools And Techniques
作者— Aurelian Geron是一名机器学习顾问和培训师。
页数— 848
面向 —全部
说明-您将学习各种技术,从简单的线性回归开始,一直到深入的神经网络。每章都有练习,可以帮助您应用所学的知识,因此,您所需要的只是编程经验。
借助本书,您将:
7. 使用Python进行深度学习
> Deep Learning With Python
作者—FrançoisChollet,谷歌AI研究人员和Keras创作者。
页数— 384
面向 —全部
说明-它介绍了使用Python语言和强大的Keras库进行深度学习的领域。本书由Keras创作者和Google AI研究人员FrançoisChollet撰写,本书通过直观的解释和实际示例来加深您的理解。
目录:
从亚马逊购买。
8. 深度学习(自适应计算和机器学习系列)
> Deep Learning (Adaptive Computation And Machine Learning Series)
作者-Ian Goodfellow是Google的研究科学家(对抗生成网络GAN的发明者)。Yoshua Bengio是蒙特利尔大学计算机科学教授(图灵奖得主)。Aaron Courville是蒙特利尔大学计算机科学的助理教授。
页数— 800
面向 —初学者/中级
说明-本书介绍了深度学习的广泛主题,涵盖数学和概念背景,行业中使用的深度学习技术以及研究观点。
特斯拉和SpaceX首席执行官埃隆·马斯克(Elon Musk)的评论:"深度学习由该领域的三位专家撰写,是有关该主题的唯一一本全面的书。"
9. 模式识别与机器学习(信息科学与统计)
> Pattern Recognition And Machine Learning (Information Science And Statistics)
作者—克里斯·毕晓普(Chris Bishop)是微软研究院剑桥的一位杰出科学家和实验室主任。
页数— 738
面向 —中级/专家
说明-这是第一本介绍贝叶斯观点的模式识别教科书。本书介绍了近似推理算法,可以在无法给出精确答案的情况下提供快速近似答案。当没有其他书籍将图形模型应用于机器学习时,它使用图形模型来描述概率分布。不会假设以前有任何模式识别或机器学习概念的知识。需要熟悉多元演算和基本线性代数,并且使用概率的一些经验会有所帮助,尽管不是必不可少的,因为这本书包括对基本概率论的独立介绍。
10. 统计学习的要素:数据挖掘,推理和预测,第二版
> The Elements Of Statistical Learning: Data Mining, Inference, And Prediction, Second Edition
作者-Trevor Hastie,Robert Tibshirani和Jerome Friedman是斯坦福大学的统计学教授。
页数— 745
面向 —中级/专家
说明-本书在一个通用的概念框架中描述了各个领域的重要思想,例如医学,生物学,金融和市场营销。尽管该方法是统计方法,但重点是概念而不是数学。大量使用彩色图形给出了示例。对于统计学家和对科学或工业中的数据挖掘感兴趣的任何人来说,它都是宝贵的资源。本书涵盖范围广泛,从监督学习(预测)到无监督学习。许多主题包括神经网络,支持向量机,分类树和boosting-这是任何书籍中对该主题的第一个全面处理。
原文链接:
https://medium.com/datadriveninvestor/top-10-books-on-machine-learning-for-absolute-beginners-beginners-and-experts-88cfcb94ccce)
在文章开始之前,小编想问问大家,您现在选择手机的时候会不会把屏幕刷新率考虑...
无人机想必大家都已不陌生。近年来,在无人化作业需求不断释放,各种前沿技术快...
5G商用的飞速推进,最直接的影响便是推动了宏基站和微基站包括5G基站的建设,而...
目前我国从国家战略层面提出了碳中和目标,同时实施路径逐步明确。对以电力消耗...
现代数据中心正在不断发展以适应各种类型的新工作负载。随着业务的增长,在新的I...
首先,站在技术发展的角度来看,人工智能技术的发展是一种必然,当前包括云计算...
微信使用银行卡支付时提示出错怎么办? 11月27日消息,腾讯客服表示,微信使用银...
导读 大家应该都知道华为手机和电脑通过华为share就能实现一碰即传,有的时候这...
根据最新研究数据,苹果成为第二季度中国市场增速最快的智能手机厂商,有效抵御...
不知不觉中微信已经成为聚合各种功能的超级平台,我们用微信来支付购物费用、来...