2019年已過去，回顧2018年，大家看過幾本跟專業(yè)相關的書?

今天先為大家推薦10本機器學習和數據科學的書籍，待大家收藏消化后，下周再為大家推薦另外10本。

 

 

PDF版本已為大家下載好

獲取鏈接：鏈接:https://pan.baidu.com/s/1SwCt1iyrrh_mG3iKr6ZxZQ 密碼:813o

只能在線閱讀的書籍已附上地址

廢話不多說，正文開始。

1.Python Data Science Handbook

作者： Jake VanderPlas

 

 

簡介：

本書介紹了在Python中處理數據所必需的核心庫：特別是NumPy，Pandas，Matplotlib，Scikit-Learn和相關軟件包。

如果你需要快速了解語言本身，請參閱免費的入門項目， A Whirlwind Tour of Python：它是針對研究人員和科學家的Python語言的快節(jié)奏介紹。

2.Neural Networks and Deep Learning

作者：Michael Nielsen

 

 

簡介：

這是一本免費的在線書籍，神經網絡和深度學習目前為圖像識別，語音識別和自然語言處理中的許多問題提供了最佳解決方案。本書將教您神經網絡和深度學習背后的許多核心概念。

在線閱讀網址：http://neuralnetworksanddeeplearning.com/

3.Think Bayes

作者：Allen B. Downey

 

 

簡介：

Think Bayes是使用計算方法對貝葉斯統(tǒng)計的介紹。

本書以及Think X系列中的其他書籍的前提是：如果您知道如何編程，則可以使用該技能來學習其他主題。

大多數關于貝葉斯統(tǒng)計的書籍都使用數學符號，并根據微積分等數學概念提出想法。本書使用Python代碼而不是數學，并且使用離散近似而不是連續(xù)數學。因此，數學書中的積分將成為求和，并且大多數關于概率分布的操作都是簡單的循環(huán)。

4.Machine Learning & Big Data

作者：By Kareem Alkaseer

 

 

簡介：

其背后的目的是在理論和實現之間取得平衡，以便軟件工程師能夠輕松地實現機器學習模型，而無需過多依賴庫。

大多數情況下，模型或技術背后的概念是簡單或直觀的，但它會在細節(jié)或術語中丟失。此外，大多數情況下現有的庫可以解決手頭的問題，但它們被視為黑盒子，而且往往它們有自己的抽象和架構隱藏了潛在的概念。本書的目的是使基本概念清晰明了。

在線閱讀網址：http://www.kareemalkaseer.com/books/ml

5.Statistical Learning with Sparsity: The Lasso and Generalizations

作者：Trevor Hastie,;Robert Tibshirani,;Martin Wainwright

 

 

簡介：

這本書總結了正在快速發(fā)展的具有稀疏性的統(tǒng)計學習領域。 稀疏統(tǒng)計模型是一個具有少量非零參數或權重的模型。 它代表了一種經典的“少即是多”的思想，即稀疏模型比稠密的模型更容易估計和解釋。在這個大數據時代，特征空間可能很大，而稀疏性假設可以幫助我們解決這些問題，并從大數據集中提取有用且可重現的特征模式。

6.Statistical inference for data science

作者：Brian Caffo

 

 

簡介：

本書是作為數據科學專業(yè)化的一部分編寫的統(tǒng)計推理課程的配套書。但是，如果你不上課，這本書大多是獨立的。本書的一個有用組成部分是一系列包含Coursera課程的YouTube視頻。

本書旨在成為統(tǒng)計推斷這一重要領域的低成本介紹。目標受眾是具有數學和計算知識的學生，他們希望將這些技能用于數據科學或統(tǒng)計學。這本書是免費提供的github上的一系列降價文件，以及LeanPub和零售店的更方便的形式(epub，mobi)。

在線閱讀網址：https://leanpub.com/LittleInferenceBook

7. Convex Optimization

作者： Stephen Boyd an; Lieven Vandenberghe

 

 

簡介：

本書是關于凸優(yōu)化的，這是一類特殊的數學優(yōu)化問題，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)劃問題具有相當完整的理論，出現在各種應用中，并且可以非常有效地在數值上求解。本書的基本觀點是，對于更大類的凸優(yōu)化問題也可以這樣說。

8.Natural Language Processing with Python

作者：Steven Bird; Ewan Klein,;Edward Loper

 

 

簡介：

這是一本關于自然語言處理的書。“自然語言”是指用于人類日常交流的語言; 英語，印地語或葡萄牙語等語言。與人工語言(如編程語言和數學符號)相比，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。我們將從廣義上講自然語言處理 - 或簡稱NLP - 涵蓋任何類型的自然語言的計算機操作...

本書基于Python編程語言和一個名為Natural Language Toolkit(NLTK)的開源庫。

在線閱讀網址：https://www.nltk.org/book/

9.Automate the Boring Stuff with Python

作者：Al Sweigart

 

 

簡介：

如果你曾經花費數小時重命名文件或更新數百個電子表格單元格，那么你就知道這些繁瑣的任務是多么繁瑣。但是如果你能讓讓你的電腦來做這些，是不是就可以省去很多工作呢?

在使用Python自動化無聊的東西時，你將學習如何使用Python編寫程序，這些程序可以在幾分鐘內完成耗時的手動操作- 無需任何先前的編程經驗。一旦掌握了編程的基礎知識，你就可以創(chuàng)建Python程序，輕松地執(zhí)行有用且令人印象深刻的自動化功能。

在線閱讀網址：https://automatetheboringstuff.com/

10.Social Media Mining: An Introduction

作者：Reza Zafarani;Mohammad Ali Abbasi ; Huan Liu

 

 

簡介：

過去十年社交媒體的發(fā)展徹底改變了個人互動和行業(yè)開展業(yè)務的方式。通過社交媒體交互，共享和消費內容，個人以前所未有的速度生成數據。理解和處理這種新型數據以收集可操作的模式，為跨學科研究，新算法和工具開發(fā)提供了挑戰(zhàn)和機遇。社交媒體挖掘集成了社交媒體、社交網絡分析和數據挖掘，為學生、從業(yè)者、研究人員和項目經理提供了一個方便，連貫的平臺，以了解社交媒體挖掘的基礎和潛力。

標簽： 大數據 大數據時代 代碼 媒體 網絡

版權申明：本站文章部分自網絡，如有侵權，請聯系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯系。