資源|28本必讀的經典機器學習/資料探勘書籍

資源|28本必讀的經典機器學習/資料探勘書籍

全部pdf免費下載連結：http://www.aibbt.com/a/13787.html

Real World Machine Learning（現實世界中的機器學習）

作者：Henrik Brink，Joseph W.Richards和Mark Fetherolf

本書介紹了現實世界中機器學習的應用，旨在教會工作開發者ML專案執行的藝術。

An Introduction To Statistical Learning（統計學習介紹）

作者：加雷思詹姆斯，丹尼爾·維滕，特雷弗·哈斯蒂和羅伯特·蒂布拉尼

本書提供了統計學習方法的介紹。適合於高年級本科生，碩士研究生和博士學位。非數學科學中的學生。

An Introduction To Statistical Learning（統計學習的要素）

作者：TrevorHastie Robert Tibshirani Jerome Friedman

簡介：這本書的覆蓋面廣泛，從監督學習到無監督學習。涵蓋了神經網路，支援向量機，分類樹等經典演算法。

Probabilistic Programming & Bayesian Methods for Hackers （概率程式設計與黑客的貝葉斯方法）

本書綜合的從數學和概率程式設計的角度介紹了貝葉斯方法。

Think Bayes（貝葉斯方法）

作者：Allen B.Downey

本書從計算的角度介紹貝葉斯統計。

Information Theory, Inference, and Learning Algorithms（資訊理論，推理和學習演算法）

本書主要闡述了資訊理論知識，以及其中的推理過程、學習演算法，適合於機器學習輔助知識閱讀。

書籍連結：http://www.inference.phy.cam.ac.uk/mackay/itila/book.html

Gaussian Processes for Machine Learning（機器學習的高斯過程）

作者：Carl Edward Rasmussen和ChristopherK. I. Williams

書籍簡介：在這本書中，我們將關注監督學習，並根據輸出的特性，討論了迴歸，分類等問題。

Data-Intensive Text Processing with MapReduce（資料強化文字處理）

作者：吉米·林和克里斯·戴爾。

本書專注於MapReduce演算法設計，重點放在自然語言處理，資訊檢索和機器學習中常用的

Reinforcement Learning: - An Introduction（增強學習）

作者：理查德·薩頓和安德魯·巴託

本書主要介紹深度學習中非常重要的一個方向“強化學習”，適合於剛學習這方面知識的人群。

Mining of Massive Datasets（資料集挖掘規模化）

作者：Jure Leskovec Anand Rajaraman effrey D. Ullman

本書適合研究資料探勘的人群

A First Encounter with Machine Learning（機器學習的第一次邂逅）

本書用淺顯的語言描述了機器學習知識，適合入門人群。

Pattern Recognition and Machine Learning（模式識別和機器學習）

本書闡述了模式識別的各種方法，同時在其基礎上討論了機器學習方法，非常適合模式識別領域人群。

Machine Learning & Bayesian Reasoning（機器學習與貝葉斯推理）

本書了統計學於機器學習的關係，需要一定的數學基礎的人群

Introduction to Machine Learning（機器學習簡介）

本書適合研究機器學習入門的人群

A Probabilistic Theory of Pattern Recognition（模式識別的概率理論）

本書從模式識別問題實際出發，結合概率理論，並用概率理論知識解決模式識別問題，適合機器學習人群

ntroduction to Information Retrieval（資訊檢索簡介）

本書介紹機器學習中資訊的運用過程，適合具有一定基礎的機器學習人群

Forecasting: principles and practice（預測：原則和實踐）

本教材旨在提供預測方法的全面介紹，併為每個方法提供足夠的資訊，以便讀者能夠明智地使用它們。

Introduction to Machine Learning(機器學習簡介)

本書用例項的方法介紹了機器學習方法，適合一定基礎的人群

Reinforcement Learning(強化學習)

本書主要介紹深度學習中非常重要的一個方向“強化學習”，適用於一定深度學習知識的人群

Machine Learning(機器學習)

本書介紹機器學習方法，適用於機器學習一定基礎的人群

A Quest for AI(AI的任務)

本書介紹人工智慧可以做到的事情，適合研究人工智慧技術的人群

Introduction to Applied Bayesian Statistics and Estimation for Social Scientists(應用貝葉斯統計學概論和社會科學家的估計)

本書介紹了利用統計學知識來應用到實際生活中，適合工程學者人群

Bayesian Modeling, Inference and Prediction（貝葉斯建模，推理和預測）

本書介紹了貝葉斯建模原理，適合一定基礎的機器學習、統計學學者人群

A Course in Machine Learning（機器學習課程）

本書是一門機器學習教程，適合初學者

Machine Learning, Neural and Statistical Classification（機器學習，神經和統計分類）

本書介紹了機器學習、神經網路、統計學分類的知識，適合初學者

Bayesian Reasoning and Machine Learning（貝葉斯推理和機器學習）

本書介紹了機器學習、貝葉斯推理相關知識，適合一定統計學基礎的人群

R Programming for Data Science（R語言資料科學）

本書介紹了r語言在資料科學中使用，適合運用r語言研究機器學習的人群

Data Mining - Practical Machine Learning Tools and Techniques（資料探勘- 實用機器學習工具和技術）

作者：Ian H.

本書介紹了資料探勘知識，適合文字處理、資料挖方面的人群

資源|28本必讀的經典機器學習/資料探勘書籍

免費下載連結：http://www.aibbt.com/a/13787.html