聽說，最近大家都開學(xué)了?不對(duì)，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(gè)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(fèi)的機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)書籍!

這是一個(gè)收集這些免費(fèi)書籍的清單，該清單以統(tǒng)計(jì)基礎(chǔ)開始，隨后是到機(jī)器學(xué)習(xí)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(biāo)題，希望你在這里找到新的東西。

 

 

1. 思考統(tǒng)計(jì)數(shù)據(jù)：程序員的概率和統(tǒng)計(jì)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(jì)的介紹。Think Stats強(qiáng)調(diào)探索真實(shí)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(jìn)行了案例研究及編程設(shè)計(jì)，本書的作者鼓勵(lì)程序員使用真實(shí)數(shù)據(jù)集進(jìn)行數(shù)據(jù)分析及編程，因?yàn)檫@樣訓(xùn)練效果才能達(dá)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(jì)算/理解入手，第二步是講其中運(yùn)用到的數(shù)學(xué)觀點(diǎn)。

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(duì)貝葉斯推理產(chǎn)生一些感覺，事實(shí)上，這些都是作者自己的先前意見。

3. 理解機(jī)器學(xué)習(xí)：從理論到算法

作者：Shai Shalev-Shwartz和Shai Ben-David

機(jī)器學(xué)習(xí)是計(jì)算機(jī)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(jī)器學(xué)習(xí)及其提供的算法范例。本書提供了機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)的理論解釋以及將這些原理轉(zhuǎn)化為實(shí)際算法的數(shù)學(xué)推導(dǎo)。在介紹了基礎(chǔ)知識(shí)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(xí)的計(jì)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(jī)梯度下降，神經(jīng)網(wǎng)絡(luò)和結(jié)構(gòu)化輸出學(xué)習(xí);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(jì)學(xué)的要素

作者：Trevor Hastie，Robert Tibshirani和Jerome Friedman

本書在一個(gè)共同的概念框架中闡述了這個(gè)領(lǐng)域的重要思想。雖然這種方法是統(tǒng)計(jì)學(xué)的，但其中重點(diǎn)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(jì)學(xué)家和任何對(duì)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(xí)(預(yù)測(cè))到無監(jiān)督學(xué)習(xí)。許多主題包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、分類樹，這是所有此類數(shù)據(jù)中對(duì)該主題的第一次綜合處理。

5. 統(tǒng)計(jì)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(jì)學(xué)的方法。它針對(duì)的是高年級(jí)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(shí)例，并詳細(xì)解釋了如何在現(xiàn)實(shí)生活環(huán)境中實(shí)施各種方法，并且應(yīng)該是實(shí)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(jì)算機(jī)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(jì)算機(jī)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(jì)算機(jī)變得更加功能廣泛�？紤]到這一點(diǎn)，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(duì)自動(dòng)機(jī)理論，機(jī)器學(xué)習(xí)算法和相關(guān)主題的理解，我覺得這對(duì)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(gè)指南遵循手把手教學(xué)的思想。我希望你能主動(dòng)的完成練習(xí)并運(yùn)行我提供的Python代碼，而不是被動(dòng)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(gè)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(shí)，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(jì)算機(jī)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(jì)算機(jī)科學(xué)水平設(shè)計(jì)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(bǔ)充了進(jìn)一步的閱讀參考。

9. 深度學(xué)習(xí)

作者：Ian Goodfellow，Yoshua Bengio和Aaron Courville

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

10. 機(jī)器學(xué)習(xí)渴望

作者：Andrew Ng

人工智能，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)正在改變眾多行業(yè)。但是建立一個(gè)機(jī)器學(xué)習(xí)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(xí)嗎?

· 你如何處理與你的測(cè)試集不匹配的訓(xùn)練集?

· 還有其他一些細(xì)節(jié)問題。

從歷史上看，學(xué)習(xí)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(jìn)行多年的學(xué)習(xí)訓(xùn)練。

標(biāo)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(qǐng)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(diǎn)！
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(qǐng)與原作者聯(lián)系。