今天推薦的圖書專注機器學習主題，一共7本，都是經(jīng)過實踐檢驗的好書——《機器學習》《圖解機器學習》《機器學習實戰(zhàn)》《機器學習系統(tǒng)設計》《Spark機器學習》《Mahout實戰(zhàn)》《機器學習實踐：測試驅(qū)動的開發(fā)方法》。
PS：《機器學習》是新書，剛剛上市，英文版評價非常棒，【閱讀原文】放上了京東的購買鏈接。
本文選自“圖靈教育”微信，關(guān)注我們的微信有贈書活動，不要錯過哦~
1、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)容最全面的機器學習指南，Machine Learning期刊總編Peter Flach力作
數(shù)百個精選實例和解說性插圖，匯集所有用于理解、挖掘和分析數(shù)據(jù)的先進方法
《機器學習》是迄今市面上內(nèi)容最為全面的機器學習教材之一，書中匯集了所有用于理解、挖掘和分析數(shù)據(jù)的先進方法，并且通過數(shù)百個精選實例和解說性插圖，直觀而準確地闡釋了這些方法背后的原理，內(nèi)容涵蓋了機器學習的構(gòu)成要素和機器學習任務、邏輯模型、幾何模型、統(tǒng)計模型，以及矩陣分解、ROC分析等時下熱點話題。
2、入門2：最易上手【イラストで學ぶ 機械學習】
作者：杉山將
譯者：許永偉
頁數(shù)：240
最簡單的機器學習入門書，187張圖輕松入門
覆蓋機器學習中最經(jīng)典、用途最廣的算法
提供可執(zhí)行的Matlab程序代碼
《圖解機器學習》用豐富的圖示，從最小二乘法出發(fā)，對基于最小二乘法實現(xiàn)的各種機器學習算法進行了詳細的介紹。第Ⅰ部分介紹了機器學習領(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部分介紹了各種無監(jiān)督學習算法；第Ⅴ部分介紹了機器學習領(lǐng)域中的新興算法。書中大部分算法都有相應的MATLAB程序源代碼，可以用來進行簡單的測試。
3、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
最暢銷機器學習圖書
介紹并實現(xiàn)機器學習的主流算法
面向日常任務的高效實戰(zhàn)內(nèi)容
《機器學習實戰(zhàn)》通過精心編排的實例，切入日常工作任務，摒棄學術(shù)化語言，利用高效的可復用Python代碼來闡釋如何處理統(tǒng)計數(shù)據(jù)，進行數(shù)據(jù)分析及可視化。通過各種實例，讀者可從中學會機器學習的核心算法，并能將其運用于一些策略性任務中，如分類、預測、推薦。另外，還可用它們來實現(xiàn)一些更高級的功能，如匯總和簡化等。
4、實戰(zhàn)2：必應團隊教你ML系統(tǒng)設計【Building Machine Learning Systems with Python】
作者：Willi Richert，Luis Pedro Coelho
譯者：劉峰
頁數(shù)：224
微軟Bing核心團隊成員推出
聚焦算法編寫和編程方式
結(jié)合大量實例學會解決實際問題
《機器學習系統(tǒng)設計》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與機器學習的關(guān)系講起，再介紹一些庫，然后就開始基于數(shù)據(jù)集進行比較正式的項目開發(fā)了，涉及建模、推薦及改進，以及聲音與圖像處理。通過流行的開源庫，我們可以掌握如何高效處理文本、圖片和聲音。同時，讀者也能掌握如何評估、比較和選擇適用的機器學習技術(shù)。
5、實戰(zhàn)3：Spark + ML【Machine Learning with Spark】
作者：Nick Pentreath
譯者：蔡立宇 黃章帥 周濟民
頁數(shù)：240
當機器學習遇上最流行的并行計算框架Spark
以機器學習算法為主線，結(jié)合實例探討Spark的實際應用
《Spark機器學習》介紹Spark的基礎(chǔ)知識，從利用Spark API來載入和處理數(shù)據(jù)，到將數(shù)據(jù)作為多種機器學習模型的輸入。此外還通過詳細的例子和現(xiàn)實應用講解了常見的機器學習模型，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下的在線機器學習和模型評估方法。
6、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核心團隊權(quán)威力作
大數(shù)據(jù)時代機器學習的實戰(zhàn)經(jīng)典
《Mahout實戰(zhàn)》Mahout作為Apache的開源機器學習項目，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展的現(xiàn)成的庫中。使用Mahout可以在自己的項目中應用亞馬遜、Netflix等公司的機器學習技術(shù)。
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、穩(wěn)定的機器學習算法
利用機器學習技術(shù)解決涉及數(shù)據(jù)的現(xiàn)實問題
通過閱讀本書，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
學習八種機器學習算法的最佳用法，并進行權(quán)衡
通過動手實踐真實示例，對每種算法進行測試
理解測試驅(qū)動開發(fā)和對解進行驗證的科學方法之間的相似性
獲悉機器學習的風險，如對數(shù)據(jù)產(chǎn)生欠擬合或過擬合
探索可改善機器學習模型或數(shù)據(jù)提取的各種技術(shù)
《機器學習實踐：測試驅(qū)動的開發(fā)方法》每一章都通過示例介紹了機器學習技術(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。具體涵蓋了測試驅(qū)動的機器學習、機器學習概述、K 近鄰分類、樸素貝葉斯分類、隱馬爾可夫模型、支持向量機、神經(jīng)網(wǎng)絡、聚類、核嶺回歸、模型改進與數(shù)據(jù)提取等內(nèi)容。
