返回 登录
0

助你精通机器学习的5本免费电子书

原文5 free e-books for machine learning mastery
作者:Serdar Yegulalp 翻译:赖信涛 责编:仲培艺

计算机中有一些领域非常令人着迷,或令人畏惧,机器学习就是这样。精通机器学习并非一朝之事,至少,你需要花一些时间掌握必备的数学知识。

也就是说,如果你数学很好,那么就会更加理解机器学习框架背后的原理,使用起来也会得心应手。

下面介绍5本高质量的、免费阅读的电子书,主要是对机器学习的介绍和解释。其中有一些有代码示例,但是一般都是专注于公式和理论的,这些原理可以应用到各种语言、框架和问题。

A Course in Machine Learning

要点:为初学者准备的初涉机器学习的高质量文档。此书仍在撰写中——有一些章节依然标记着TODO——但是其高可读性完全可以弥补这部分不足。

目标读者:任何掌握微积分、概率论和线性代数的人都可以阅读此书,不需要有任何编程语言专长。

代码内容:有一些伪代码,不过此书大部分用来展示的东西还是原理和公式。

The Elements of Statistical Learning

要点:超过500页的文本,据作者称,具体陈述了如何“从数据中学习”,对机器学习岗位需求的急剧升高显示了这个领域的热门程度。此书自2001年已经出版过两个版本并印刷了10次,此书还有一大好处:跨度很大,不局限于一个领域。

目标读者:统计学和数学基础较好的、不需要将自己的数学形式转换成代码的人。

代码内容:没有。这并不是一本软件开发的书,而是关于机器学习的理论基础。

Bayesian Reasoning and Machine Learning

要点内容: Bayesian(贝叶斯)方法是所有有关模式识别和垃圾过滤的基础,所以逐渐形成了一个特殊的领域。此书涵盖Bayesian统计的各个主要方面,阐述了它是如何应用的。

目标读者:任何有微积分、概率论和线性代数基础的人。

代码内容:很多!每一个章节都有伪代码和工具的链接,以及一些demo。而且,代码并不是Python或R语言的,而是商业MATLAB环境,GNU Octave也可以作为一个开源的替代品。

Gaussian Processes for Machine Learning

重点内容:高斯处理也是贝叶斯方法的一部分。本书集中讨论如何在一般机器学习方法中使用高斯原理,例如分类、回归和模型训练等。

目标读者:大致和Bayesian Reasoning and Machine Learning差不多。

代码内容:书中使用的代码大多是伪代码,但是和ayesian Reasoning and Machine Learning一样,有些MATLAB/Octave代码。

Machine Learning

重点内容:一个论文集,包括很多不同方面、内容深奥的机器学习知识。其中一些比较抽象,另一些专注于特定的问题,比如“模拟对话的机器学习方法”等。

目标读者:想要在这方面深入学习的人。

代码内容:有一些公式,没有代码。


2016年9月22日-23日,[SDCC 2016大数据技术&架构实战峰会](http://bss.csdn.net/m/topic/sdcc_invite/hangzhou /)将在杭州举行,两场峰会大牛讲师来自阿里、京东、苏宁、唯品会、美团点评、游族、饿了么、有赞、Echo等知名互联网公司,共同探讨海量数据下的应用监控系统建设、异常检测的算法和实现、大数据基础架构实践、敏捷型数据平台的构建及应用、音频分析的机器学习算法应用,以及高可用/高并发/高性能系统架构设计、电商架构、分布式架构等话题与技术。
9月5日~18日是八折优惠票价阶段,5人以上团购或者购买两场峰会通票更有特惠,限时折扣,预购从速。(票务详情链接)。

评论