在這個暑假，有興趣的可以閱讀一下這些免費的有關(guān)機器學(xué)習(xí)和數(shù)據(jù)科學(xué)的書籍，他們能給你打開一扇看清機器學(xué)習(xí)和數(shù)據(jù)科學(xué)的窗。如果在閱讀完這一文章后想知曉更多免費的好書，請查看本系列的前一篇或下面的相關(guān)內(nèi)容。

 

 

1. Python Data Science Handbook

作者：Jake VanderPlas

本書介紹了在Python中處理數(shù)據(jù)所必需的核心庫，特別是IPython，NumPy，Pandas，Matplotlib，Scikit-Lean和相關(guān)的軟件包。在此之前您需要掌握Python這種語言，如果您想快速掌握這門語言，可以參閱這個針對研究人員和科學(xué)家的Python語言快速入門的“Python的旋風(fēng)之旅(A Whirlwind Tour of Python)”。

2. Neural Networks and Deep Learning

作者：Michael Nielsen

這是一本免費的在線書籍。通過這本書你會知道神經(jīng)網(wǎng)絡(luò)是一個美麗的生物啟發(fā)式編程范例，使計算機可以從觀測數(shù)據(jù)中學(xué)習(xí)。而深度學(xué)習(xí)則是一套強大的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)技術(shù)。

目前，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)為圖像識別、語音識別和自然語言處理(NLP)中的問題提供了很多效果不錯的解決方案。通過這本書您將會知道更多神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)背后的核心概念。

3. Think Bayes

作者：Allen B.Downey

這本書主要介紹了如何使用計算方法處理貝葉斯統(tǒng)計。

如果您想使用本書中的技能來學(xué)習(xí)其他技能，您需要知道如何編程。

貝葉斯統(tǒng)計是根據(jù)數(shù)學(xué)概念(如微積分)提出的，有關(guān)它的大多數(shù)書籍也都使用的是數(shù)學(xué)符號。本書使用Python代碼而不是數(shù)學(xué)，因此“積分”變成了“總和”。這是書中的一個特色。

4. Machine Learning & Big Data

作者：Karee Alkaseer

這本書背后的目的是為了讓軟件工程師在不依賴庫的情況下可以輕松使用機器學(xué)習(xí)模型。大多數(shù)情況下，模型或技術(shù)背后的概念很簡單、直觀，但在細節(jié)或行話中會丟失。另外，一般情況下，現(xiàn)有的庫可以解決手頭的問題，但是有時候它們會用自己的方式抽象和隱藏基本概念，這就是它們被稱為“黑盒子”的原因。這本書也嘗試著將“黑盒子”里被抽象和隱藏的基本概念清晰化。它是一個還在進行中的作品，它的內(nèi)容將慢慢的豐富。

5. Satistical Learning with Sparsity:The Lasso and Generalizations

作者：Trevor Hastie,Robert Tibshirani,Martin Wainwright

在過去的十年中，計算和信息技術(shù)得到了迅猛發(fā)展。隨著它的應(yīng)用，在醫(yī)學(xué)、生物學(xué)、金融和市場營銷等領(lǐng)域中涌現(xiàn)出了大量的數(shù)據(jù)。本書在一個共同的概念框架下，闡述了這些領(lǐng)域中的一些重要觀點。

6. Statistical inference for data science

作者：Brian Caffo

作為數(shù)據(jù)科學(xué)專業(yè)的一部分 ，本書是統(tǒng)計推理課程(Statistical Inference)的一本配套書籍。如果你沒有上這門課，也可以配著YouTube上有關(guān)視頻單獨學(xué)習(xí)這本書。

本書旨在以低成本介紹統(tǒng)計推理這一重要領(lǐng)域，使得具有編程能力的學(xué)生將這些技能用到數(shù)據(jù)科學(xué)或統(tǒng)計學(xué)當中去。

7. Convex Optimization

作者：Stephen Boyd & Lieven Vandenberghe

這本書的主要內(nèi)容是關(guān)于凸優(yōu)化(convex optimization)，這是一類特殊的數(shù)學(xué)優(yōu)化問題，它包括最小二乘和線性規(guī)劃問題。眾所周知，最小二乘和線性規(guī)劃問題有一個相當完整的理論，出現(xiàn)在各種應(yīng)用中，并且可以非常有效地用數(shù)值求解。本書的基本觀點是，對于較大類的凸優(yōu)化問題也可以如此。

8. Natural Language Processing with Python

作者：Steven Bird & Ewan Klein & Edward Loper

本書基于Python編程語言和一個叫自然語言工具包(NLTK)的開源庫寫作而成的。“自然語言”是指用于人類日常交流的語言，與編程語言和數(shù)字符號等語言不同，自然語言在代代相傳的過程中不斷發(fā)展，并且很難用明確的規(guī)則來確定。為了讓計算機更好地理解自然語言，我們開發(fā)運用了自然語言處理(NLP)。這本書就是有關(guān)自然語言處理(NLP)的書。

9. Automate the Boring Stuff with Python

作者：AI Sweigart

你是否有過為花費數(shù)小時為文件重命名或更新表格里的數(shù)百個單元格而煩躁的經(jīng)歷?在這本書中，你將會學(xué)到如何使用Python來輕松搞定這些問題。Python十分好上手，一旦掌握了編程的基礎(chǔ)知識，就可以創(chuàng)建Python程序，就此輕松解決那些繁瑣的事情。

10.Social Media Mining: An Introduction

作者：Reza Zafarani & Mohammad Ali Abbasi & Huan Liu

社交媒體在過去十年的發(fā)展已經(jīng)徹底革新了個人互動和行業(yè)開展業(yè)務(wù)的方式。個人通過社交媒體互動、共享產(chǎn)生了大量的數(shù)據(jù)。

在這本書中，你將了解到社交媒體挖掘(Social Media Mining)整合了社交媒體，社交網(wǎng)絡(luò)分析和數(shù)據(jù)挖掘，為學(xué)生、從業(yè)人員、研究人員等提供了一個方便而一致的平臺。同時也將會了解到社交媒體挖掘(Social Media Mining)的潛力。

文章原標題《10 More Free Must-Read Books For Machine Learning and Data Science》

作者：Matthew Mayo

譯者：烏拉烏拉

文章為簡譯，更為詳細的內(nèi)容，請查看原文文章。

標簽： 代碼 金融 媒體 網(wǎng)絡(luò) 信息技術(shù)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。