今天推薦的圖書專注機(jī)器學(xué)習(xí)主題，一共7本，都是經(jīng)過實(shí)踐檢驗(yàn)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(shí)戰(zhàn)》《機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)》《Spark機(jī)器學(xué)習(xí)》《Mahout實(shí)戰(zhàn)》《機(jī)器學(xué)習(xí)實(shí)踐：測(cè)試驅(qū)動(dòng)的開發(fā)方法》。點(diǎn)擊圖書名或封面試讀。
PS：《機(jī)器學(xué)習(xí)》是新書，剛剛上市，英文版評(píng)價(jià)非常棒，【閱讀原文】放上了京東的購(gòu)買鏈接。
本文選自“圖靈教育”微信，關(guān)注我們的微信有贈(zèng)書活動(dòng)，不要錯(cuò)過哦~
★ 入門1：全面經(jīng)典 ★
- 被譽(yù)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(gè)精選實(shí)例和解說(shuō)性插圖
- 匯集所有用于理解、挖掘和分析數(shù)據(jù)的先進(jìn)方法
作者：Peter Flach
譯者：段菲
頁(yè)數(shù)：312
原書名：Machine Learning: The Art and Science of Algorithms that Make Sense of Data
《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、挖掘和分析數(shù)據(jù)的先進(jìn)方法，并且通過數(shù)百個(gè)精選實(shí)例和解說(shuō)性插圖，直觀而準(zhǔn)確地闡釋了這些方法背后的原理，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)、邏輯模型、幾何模型、統(tǒng)計(jì)模型，以及矩陣分解、ROC分析等時(shí)下熱點(diǎn)話題。
★ 入門2：最易上手 ★
- 最簡(jiǎn)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、用途最廣的算法
- 提供可執(zhí)行的Matlab程序代碼
作者：杉山將
譯者：許永偉
頁(yè)數(shù)：240
原書名：イラストで學(xué)ぶ 機(jī)械學(xué)習(xí)
《圖解機(jī)器學(xué)習(xí)》用豐富的圖示，從最小二乘法出發(fā)，對(duì)基于最小二乘法實(shí)現(xiàn)的各種機(jī)器學(xué)習(xí)算法進(jìn)行了詳細(xì)的介紹。第Ⅰ部分介紹了機(jī)器學(xué)習(xí)領(lǐng)域的概況；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(wú)監(jiān)督學(xué)習(xí)算法；第Ⅴ部分介紹了機(jī)器學(xué)習(xí)領(lǐng)域中的新興算法。書中大部分算法都有相應(yīng)的MATLAB程序源代碼，可以用來(lái)進(jìn)行簡(jiǎn)單的測(cè)試。
★ 實(shí)戰(zhàn)1：最受歡迎 ★
- 最暢銷機(jī)器學(xué)習(xí)圖書
- 介紹并實(shí)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(shí)戰(zhàn)內(nèi)容
作者：Peter Harrington
譯者：李銳 李鵬 曲亞東 王斌
頁(yè)數(shù)：332
原書名：Machine Learning in Action
《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》通過精心編排的實(shí)例，切入日常工作任務(wù)，摒棄學(xué)術(shù)化語(yǔ)言，利用高效的可復(fù)用Python代碼來(lái)闡釋如何處理統(tǒng)計(jì)數(shù)據(jù)，進(jìn)行數(shù)據(jù)分析及可視化。通過各種實(shí)例，讀者可從中學(xué)會(huì)機(jī)器學(xué)習(xí)的核心算法，并能將其運(yùn)用于一些策略性任務(wù)中，如分類、預(yù)測(cè)、推薦。另外，還可用它們來(lái)實(shí)現(xiàn)一些更高級(jí)的功能，如匯總和簡(jiǎn)化等。
★ 實(shí)戰(zhàn)2：必應(yīng)團(tuán)隊(duì)教你ML系統(tǒng)設(shè)計(jì) ★
- 微軟Bing核心團(tuán)隊(duì)成員推出
- 聚焦算法編寫和編程方式
- 結(jié)合大量實(shí)例學(xué)會(huì)解決實(shí)際問題
作者：Willi Richert，Luis Pedro Coelho
譯者：劉峰
頁(yè)數(shù)：224
原書名：Building Machine Learning Systems with Python
《機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)》將向讀者展示如何從原始數(shù)據(jù)中發(fā)現(xiàn)模式，首先從Python與機(jī)器學(xué)習(xí)的關(guān)系講起，再介紹一些庫(kù)，然后就開始基于數(shù)據(jù)集進(jìn)行比較正式的項(xiàng)目開發(fā)了，涉及建模、推薦及改進(jìn)，以及聲音與圖像處理。通過流行的開源庫(kù)，我們可以掌握如何高效處理文本、圖片和聲音。同時(shí)，讀者也能掌握如何評(píng)估、比較和選擇適用的機(jī)器學(xué)習(xí)技術(shù)。
★ 實(shí)戰(zhàn)3：Spark + ML ★
- 當(dāng)機(jī)器學(xué)習(xí)遇上最流行的并行計(jì)算框架Spark
- 以機(jī)器學(xué)習(xí)算法為主線，結(jié)合實(shí)例探討Spark的實(shí)際應(yīng)用
作者：Nick Pentreath
譯者：蔡立宇 黃章帥 周濟(jì)民
頁(yè)數(shù)：240
原書名：Machine Learning with Spark
《Spark機(jī)器學(xué)習(xí)》介紹Spark的基礎(chǔ)知識(shí)，從利用Spark API來(lái)載入和處理數(shù)據(jù)，到將數(shù)據(jù)作為多種機(jī)器學(xué)習(xí)模型的輸入。此外還通過詳細(xì)的例子和現(xiàn)實(shí)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)、分類、回歸、聚類和降維。最后還介紹了一些高階內(nèi)容，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(píng)估方法。
★ 實(shí)戰(zhàn)4： Mahout ML ★
- Apache基金會(huì)官方推薦
- Mahout核心團(tuán)隊(duì)權(quán)威力作
- 大數(shù)據(jù)時(shí)代機(jī)器學(xué)習(xí)的實(shí)戰(zhàn)經(jīng)典
作者：Sean Owen，Robin Anil等
譯者：王斌 韓冀中 萬(wàn)吉
頁(yè)數(shù)：340
原書名：Mahout in Action
《Mahout實(shí)戰(zhàn)》Mahout作為Apache的開源機(jī)器學(xué)習(xí)項(xiàng)目，把推薦系統(tǒng)、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(kù)中。使用Mahout可以在自己的項(xiàng)目中應(yīng)用亞馬遜、Netflix等公司的機(jī)器學(xué)習(xí)技術(shù)。
★ 實(shí)戰(zhàn)5：Test-Driven實(shí)踐 ★
- 用測(cè)試驅(qū)動(dòng)方法開發(fā)出可靠、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(shí)問題
作者：Matthew Kirk
譯者：段菲
頁(yè)數(shù)：204
原書名：Thoughtful Machine Learning: A Test-Driven Approach
《機(jī)器學(xué)習(xí)實(shí)踐：測(cè)試驅(qū)動(dòng)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，以及求解問題和處理數(shù)據(jù)的方法。具體涵蓋了測(cè)試驅(qū)動(dòng)的機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)概述、K 近鄰分類、樸素貝葉斯分類、隱馬爾可夫模型、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、聚類、核嶺回歸、模型改進(jìn)與數(shù)據(jù)提取等內(nèi)容。
