聽說，最近大家都開學(xué)了?不對，是學(xué)生們都已經(jīng)開學(xué)了，開學(xué)第一件事是什么?發(fā)新書!發(fā)新書!發(fā)新書!好的，作為一個心地善良且熱心服務(wù)程序員的小編，我決定給大家來一波免費的機器學(xué)習和數(shù)據(jù)科學(xué)書籍!

這是一個收集這些免費書籍的清單，該清單以統(tǒng)計基礎(chǔ)開始，隨后是到機器學(xué)習基礎(chǔ)，最后結(jié)合使用所有內(nèi)容，經(jīng)典和現(xiàn)代混合的標題，希望你在這里找到新的東西。

 

 

1. 思考統(tǒng)計數(shù)據(jù)：程序員的概率和統(tǒng)計數(shù)據(jù)

作者：Allen B. Downey

Think Stats是面向Python程序員的概率和統(tǒng)計的介紹。Think Stats強調(diào)探索真實數(shù)據(jù)集和回答有趣問題的簡單技術(shù)。該書使用美國國立衛(wèi)生研究院的數(shù)據(jù)進行了案例研究及編程設(shè)計，本書的作者鼓勵程序員使用真實數(shù)據(jù)集進行數(shù)據(jù)分析及編程，因為這樣訓(xùn)練效果才能達到最好。

2. 黑客的概率編程和貝葉斯方法

作者：Cam Davidson-Pilon

本書介紹貝葉斯方法和概率編程，第一步是從計算/理解入手，第二步是講其中運用到的數(shù)學(xué)觀點。

貝葉斯方法是推理的自然方法，但在數(shù)學(xué)分析的章節(jié)背后作者為讀者介紹了一些貝葉斯方法的有趣的故事。涉及概率論的貝葉斯推理的典型文本在本書的兩到三章，接著就是貝葉斯推理。不幸的是，由于大多數(shù)貝葉斯模型的數(shù)學(xué)難以處理，讀者只能看到簡單的經(jīng)過人工處理例子。這可以讓用戶對貝葉斯推理產(chǎn)生一些感覺，事實上，這些都是作者自己的先前意見。

3. 理解機器學(xué)習：從理論到算法

作者：Shai Shalev-Shwartz和Shai Ben-David

機器學(xué)習是計算機科學(xué)發(fā)展最快的領(lǐng)域之一，具有廣泛的應(yīng)用前景。本教材的目的是以最基礎(chǔ)的方式介紹機器學(xué)習及其提供的算法范例。本書提供了機器學(xué)習基礎(chǔ)知識的理論解釋以及將這些原理轉(zhuǎn)化為實際算法的數(shù)學(xué)推導(dǎo)。在介紹了基礎(chǔ)知識之后，本書還涵蓋了以前教科書未解決的各種中心主題。其中包括討論學(xué)習的計算復(fù)雜性以及凸性和穩(wěn)定性的概念;重要的算法范例包括隨機梯度下降，神經(jīng)網(wǎng)絡(luò)和結(jié)構(gòu)化輸出學(xué)習;還有一些新興的理論概念，如PAC-Bayes方法和基于邊界的壓縮。

4. 統(tǒng)計學(xué)的要素

作者：Trevor Hastie，Robert Tibshirani和Jerome Friedman

本書在一個共同的概念框架中闡述了這個領(lǐng)域的重要思想。雖然這種方法是統(tǒng)計學(xué)的，但其中重點的是概念而不是其所在領(lǐng)域。通過使用彩色圖形給出了許多例子，它應(yīng)該能夠成為統(tǒng)計學(xué)家和任何對科學(xué)或工業(yè)數(shù)據(jù)挖掘感興趣的人的寶貴資源。該書的覆蓋范圍很廣，從監(jiān)督學(xué)習(預(yù)測)到無監(jiān)督學(xué)習。許多主題包括神經(jīng)網(wǎng)絡(luò)、支持向量機、分類樹，這是所有此類數(shù)據(jù)中對該主題的第一次綜合處理。

5. 統(tǒng)計學(xué)簡介及其在R中的應(yīng)用

作者：Gareth James，Daniela Witten，Trevor Hastie和Robert Tibshirani

本書介紹了統(tǒng)計學(xué)的方法。它針對的是高年級本科生，碩士生和博士生還有非數(shù)學(xué)科學(xué)的學(xué)生。該書還包含許多R語言的實例，并詳細解釋了如何在現(xiàn)實生活環(huán)境中實施各種方法，并且應(yīng)該是實踐數(shù)據(jù)科學(xué)家的寶貴資源。

6. 數(shù)據(jù)科學(xué)的基礎(chǔ)

作者：Avrim Blum，John Hopcroft和Ravindran Kannan

雖然計算機科學(xué)的傳統(tǒng)領(lǐng)域仍然非常重要，但未來越來越多的研究人員都希望參與使用計算機來理解和從應(yīng)用程序中出現(xiàn)的大量數(shù)據(jù)中提取可用信息，而不僅僅是如何使計算機變得更加功能廣泛。考慮到這一點，作者寫了這本書，以涵蓋在未來40年可能有用的理論，正如對自動機理論，機器學(xué)習算法和相關(guān)主題的理解，我覺得這對于未來幾十年的理論都有影響。

7. 程序員數(shù)據(jù)挖掘指南：Numerati的古代藝術(shù)

作者：Ron Zacharski

這個指南遵循手把手教學(xué)的思想。我希望你能主動的完成練習并運行我提供的Python代碼，而不是被動地閱讀本書。并且我希望你能夠積極參與嘗試和編程數(shù)據(jù)挖掘技術(shù)。這本書算得上一個入門的教科書，它作為一系列相互依賴的微弱的積累，直到你完成本書時，你可能已經(jīng)完全理解數(shù)據(jù)挖掘技術(shù)了。

8. 大規(guī)模數(shù)據(jù)集的挖掘

作者：Jure Leskovec，Anand Rajaraman和Jeff Ullman

本書基于斯坦福計算機科學(xué)課程CS246：挖掘海量數(shù)據(jù)集和CS345A：數(shù)據(jù)挖掘。這本書與課程保持同步，而且這本書的難度是在本科計算機科學(xué)水平設(shè)計的，不需要太多的技能或者積累。為了支持更深入的探索，大多數(shù)章節(jié)都補充了進一步的閱讀參考。

9. 深度學(xué)習

作者：Ian Goodfellow，Yoshua Bengio和Aaron Courville

深度學(xué)習這本旨在幫助學(xué)生和從業(yè)者進入機器學(xué)習領(lǐng)域，特別是深度學(xué)習。該書的在線版本現(xiàn)已完成，并將在線免費提供。

10. 機器學(xué)習渴望

作者：Andrew Ng

人工智能，機器學(xué)習和深度學(xué)習正在改變眾多行業(yè)。但是建立一個機器學(xué)習系統(tǒng)，你需要思考下面這些問題：

· 你能夠收集更多的訓(xùn)練數(shù)據(jù)嗎?

· 你應(yīng)該使用端到端的深度學(xué)習嗎?

· 你如何處理與你的測試集不匹配的訓(xùn)練集?

· 還有其他一些細節(jié)問題。

從歷史上看，學(xué)習如何制定這些“戰(zhàn)略”決策的唯一方法是在研究生課程或公司中進行多年的學(xué)習訓(xùn)練。

標簽： 代碼 數(shù)據(jù)分析 網(wǎng)絡(luò)

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。