机器学习入门,读对书很重要
The Elements of Statistical Learning
作者:Trevor Hastie, Robert Tibshirani 和 Jerome Friedman
本书在一些通用概念框架的基础上介绍了统计学的一些重要思想。虽然书中的许多方法都是基于统计学的,并提供了样例说明和彩色配图,但核心思想是在向读者阐述概念和思想,而并非数学知识。除了统计学概念之外,书中还涉及了神经网络、监督学习、支持向量机、分类、预测和非监督学习等非常丰富的内容。适合于对行业数据挖掘感兴趣的统计人员和所有对新兴科技感兴趣的朋友。
机器学习
作者: 周志华
这本书我就不多说了,基本上国内入门机器学习朋友基本上都会这本书。著名的西瓜书,作者为南大教授周志华。深入浅出,复杂的概念可以很清晰明了地解释清楚。我比较喜欢这本书的公式表达,很简单清晰,不会一翻开就被特别吓人的符号吓到,每个算法都会用一个小例子来讲一下具体的过程,复杂的概念可以很清晰明了地解释清楚。
An Introduction to Statistical Learning with Applications in R
作者:Gareth James, Daniela Witten, Trevor Hastie 和 Robert Tibshirani
本书中文名为《统计学习导论:基于R应用》,书中以 R 语言为基础,详细介绍了统计学习的核心方法和应用,内容涉及线性回归、分类、再抽样方法、压缩方法、树方法、聚类、支持向量机等。同时,书中提供了大量基于现实数据的样例,这些数据来自近 20 年来生物学、金融学、市场营销学和天体物理学等诸多领域。本书主要面向非数学专业的高年级本科生、硕士研究生和博士生。
Deep Learning
作者:Ian Goodfellow, Yoshua Bengio 和 Aaron Courville
本书为 Yoshua Bengio 和 Ian Goodfellow 等大神合著的深度学习教科书,该书主要分为三个部分:机器学习和数学基础,深度学习的基础实践,深度学习的进一步研究。全书内容扎实、讲解细致、深入浅出,特别适合深度学习的初学者通过这本书正式入门机器学习领域的研究。现在已有中文版。
Deep Learning with Python
作者是Keras框架的构建者Francois Chollet
这本书还得过段时间才能出版,通过Manning的MEAP系统可以阅读前三章的内容,写得很好,我极力推荐此书。
正如Chollet在编写Keras框架时一样,神奇地将复杂概念简单化,文中措词巧妙,可读性强。即使是AI和深度学习中最有挑战性的概念,同样也解释的通俗易懂。读了这本书我才真正理解什么是张量。书中有大量不错的实例,大家可以在他的 Github 上看看代码。随着正式出版的临近,这本书也越来越完整,请关注并支持作者。同时,尽量能先在MEAP上跟进阅读,并通过给作者留言,完善这本书。
Machine Learning in Action
作者: Peter Harrington
偏向于应用的一本不错的入门书。详细地讲解了算法的步骤和 Python 的代码实现。教你用 Python 的代码实现。它会列出算法的优缺点,列出清晰的流程,先写出算法的伪代码,再配上 Python 代码,关键的代码行还有详细的讲解。
机器学习算法原理与编程实践
本书是机器学习原理和算法编码实现的基础性读物,内容分为两大主线:单个算法的原理讲解和机器学习理论的发展变迁。
下面给大家额外补充一部分关于大数据的知识
Python数据分析与挖掘实战
基础篇(第1~5章),第1章的主要内容是数据挖掘概述;第2章对本书所用到的数据挖掘建模工具Python语言进行了简明扼要的说明;第3章、第4章、第5章对数据挖掘的建模过程,包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。
实战篇(第6~15章),重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上,本书是按照先介绍案例背景与挖掘目标,再阐述分析方法与过程,最后完成模型构建的顺序进行的,在建模过程的关键环节,穿插程序实现代码。最后通过上机实践,加深读者对数据挖掘技术在案例应用中的理解。
作者: [德] 伊夫·希尔皮斯科
Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区,在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用,并且成为该行业开发核心应用的首选编程语言。《Python金融大数据分析》提供了使用Python进行数据分析,以及开发相关应用程序的技巧和工具。
利用Python进行数据分析
还在苦苦寻觅用Python控制、处理、整理、分析结构化数据的完整课程?本书含有大量的实践案例,你将学会如何利用各种Python库(包括NumPy、pandas、matplotlib以及IPython等)高效地解决各式各样的数据分析问题。
在此我就不多列举了,新一波的干货等待大家接盘!
~
里面还附带有教程代码-视频-PPT,直接上图
机器学习实战视频
机器学习实战PPT
上一次为小白分享的视频教学干货,可以戳这里查看:
小白| Python+Matlab+机器学习+深度神经网络+理论+实践+视频+课件+源码,附下载!
今日分享的机器学习和深度学习资料下面有获取方式,感谢你的到来,本次分享为自愿获取,希望大家能理解并尊重我们的劳动成果!帮助更多的朋友!
资料领取方式
关注公众账号【飞马会】
导航回复数字【14】
即可查看下载方式
▼
关注飞马会公众号,回复对应关键词打包下载学习资料;回复“入群”,加入飞马网AI、大数据、项目经理学习群,和优秀的人一起成长!
回复 数字“1”下载从入门到研究,人工智能领域最值得一读的10本资料(附下载)
回复 数字“2”机器学习 & 数据科学必读的经典书籍,内附资料包!
回复 数字“3”走进AI & ML:从基本的统计学到机器学习书单(附PDF下载)
回复 数字“4”了解人工智能,30份书单不容错过(附电子版PDF下载)
回复 数字“5”大数据学习资料下载,新手攻略,数据分析工具、软件使用教程
回复 数字“6”AI人工智能:54份行业重磅报告汇总(附下载)
回复 数字“7”TensorFlow介绍、安装教程、图像识别应用(附安装包/指南)
回复 数字“8”大数据资料全解析(352个案例+大数据交易白皮书+国内外政策汇篇)
回复 数字“9”干货 | 荐读10本大数据书籍(初级/中级/高级)成为大数据专家!
回复 数字“10”麦肯锡160页报告:2030年全球将可能8亿人要被机器抢饭碗
回复 数字“11”50本书籍大礼包:AI人工智能/大数据/Database/Linear Algebra/Python/机器学习/Hadoop
回复 数字“12”小白| Python+Matlab+机器学习+深度神经网络+理论+实践+视频+课件+源码,附下载!
回复 数字“13”大数据技术教程+书籍+Hadoop视频+大数据研报+科普类书籍
回复 人工智能下载《FMI人工智能与大数据峰会嘉宾演讲PPT》
回复 AI 江湖下载《十大AI江湖领域》
回复 ML实践下载《机器学习实践经验指导(英文版)》
回复 DL论文下载《深度学习100篇以上论文资料》
回复 算法 下载《数据挖掘十大经典算法》
回复 6.10 下载《6.10饿了么&飞马网项目管理实践PPT》
近期讲座
(详情及报名请点击下面链接)
查看 1月20日【上海线下】FMI2018人工智能与大数据高峰论坛
查看 1月4日【线上直播】测试环境自动部署系统技术解析