讓一系列免費(fèi)的機(jī)器學(xué)習(xí)與數(shù)據(jù)科學(xué)書籍開啟你的夏日學(xué)習(xí)之旅吧!

在讀完本文列出的書單之后，如果你想要更多免費(fèi)、高質(zhì)量的書單，可以查看這個系列之前的帖子：

https://www.kdnuggets.com/2017/04/10-free-must-read-books-machine-learning-data-science.html

 

 

1. Python Data Science Handbook

鏈接：https://github.com/jakevdp/PythonDataScienceHandbook

作者：Jake VanderPlas

這本書介紹了在Python中處理數(shù)據(jù)所需要的基本而重要的庫，包括IPython、NumPy、Pandas、Matplotlib、Scikit-Learn和其他相關(guān)的包。該書假定讀者對Python語言有一定的了解。如果你需要快速入門Python這門語言，可以查看免費(fèi)的配套項目：

A Whirlwind Tour of Python：

https://github.com/jakevdp/WhirlwindTourOfPython

它會幫助研究員和科學(xué)家快速入門Python。

2. Neural Networks and Deep Learning

鏈接：http://neuralnetworksanddeeplearning.com/

作者：Michael Nielsen

Neural Networksand Deep Learning是一本在線書籍。這本書會告訴你：

神經(jīng)網(wǎng)絡(luò)是一種優(yōu)美的仿生編程范例，它使得計算機(jī)能夠通過觀測數(shù)據(jù)進(jìn)行學(xué)習(xí)。

深度學(xué)習(xí)是一系列強(qiáng)大的技術(shù), 以幫助實現(xiàn)在神經(jīng)網(wǎng)絡(luò)中學(xué)習(xí)。

神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)目前是圖像識別、語言識別和自然語言處理等領(lǐng)域的最佳方案。該書同時也會教你神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的各種核心概念。

3. Think Bayes

鏈接：http://greenteapress.com/wp/think-bayes/

作者：Allen B. Downey

Think Bayes是介紹如何通過編程方法進(jìn)行貝葉斯統(tǒng)計的書籍。

這本書和其他Think X系列書籍的想法一樣，他們認(rèn)為只要你知道如何編程，那么你就可以通過這項技能來學(xué)習(xí)其他的課題。

大多數(shù)的貝葉斯統(tǒng)計書籍會使用數(shù)學(xué)符號并且通過微積分一類的數(shù)學(xué)概念來展現(xiàn)其統(tǒng)計思想。這本書則使用Python代碼、離散逼近而非數(shù)學(xué)、連續(xù)數(shù)學(xué)來解釋貝葉斯統(tǒng)計。通過這樣的方式，在數(shù)學(xué)書里的積分，將會轉(zhuǎn)變?yōu)榍蠛�。許多在概率分布上的操作將會通過簡單的循環(huán)而實現(xiàn)。

4. Machine Learning & Big Data

鏈接：http://www.kareemalkaseer.com/books/ml

作者：Kareem Alkaseer

這本書還沒寫完，我把它添加到表單，你可以稍后才看[H1] 。這個項目的目的在于平衡軟件工程師的理論與實踐，使他們能輕松地運(yùn)行機(jī)器學(xué)習(xí)模型而并不需要過分依賴各種各樣的庫。大多數(shù)時候，模型或技術(shù)背后的概念是簡單而直觀的，但卻在大量的細(xì)節(jié)或者術(shù)語中被掩蓋了。同時，大多數(shù)情況下，現(xiàn)有的庫能夠解決手頭的問題，但是他們卻被視作一個黑盒子，通常因他們自身的抽象與架構(gòu)隱藏了背后的基本概念。這本書將闡釋這些基本概念。

5. Statistical Learning with Sparsity:

The Lasso andGeneralizations

鏈接：https://web.stanford.edu/~hastie/StatLearnSparsity/

作者：Trevor Hastie，Robert Tibshirani，Martin Wainwright

過去的十年里，計算和信息技術(shù)出現(xiàn)了爆炸性增長，同時出現(xiàn)了大量的源自不同領(lǐng)域的數(shù)據(jù)，例如醫(yī)療、生物、金融和市場營銷。這本書將在一個通用的概念性框架下來講解這些領(lǐng)域的重要思想。

6. Statistical inference for data science

鏈接：

https://leanpub.com/LittleInferenceBook

作者：Brian Caffo

這本書是Coursera數(shù)據(jù)科學(xué)項目(Data Science Specialization)中的統(tǒng)計推斷(Statistical Inference)課程配套書籍。但是你并不需要上這門課，因為這本書的大部分內(nèi)容可以獨(dú)立使用。這本書其中一個重要的部分是一系列組成Coursera 課程的Youtube視頻。這本書的出版詣在提供一個成本低廉的統(tǒng)計推斷入門。目標(biāo)讀者是有數(shù)學(xué)或計算機(jī)背景的并且希望在統(tǒng)計和數(shù)據(jù)科學(xué)領(lǐng)域中得以運(yùn)用的學(xué)生。這本書在Github上以markdown文檔的形式免費(fèi)提供。同時也以更便捷的形式(epub,mobi)在LeanPub和零售店提供。

7. Convex Optimization

鏈接：http://stanford.edu/~boyd/cvxbook/

作者：Stephen Boyd，Lieven Vandenberghe

這本書是關(guān)于凸優(yōu)化的，即一類數(shù)學(xué)優(yōu)化問題，包括最小二乘方和線性規(guī)劃。眾所周知，最小二乘方和線性規(guī)劃是非常完整的理論，它們有著各式各樣的應(yīng)用，并且可以用數(shù)學(xué)的方法高效地得出解。這本書的中心即闡述更多的凸優(yōu)化問題。

8. Natural Language Processing

with Python

鏈接：https://www.nltk.org/book/

作者：Steven Bird，Ewan Klein，Edward Loper

這是一本關(guān)于自然語言處理的書。“自然語言”指的是人類日常交流使用的語言，例如英語、印度語和葡萄牙語。相較于數(shù)學(xué)符號、編程語言等人造語言，自然語言在時代變遷中不斷進(jìn)化，很難通過明確的規(guī)則來界定。我們這里定義的是廣義上的自然語言處理，本書將會介紹計算機(jī)對自然語言各種形式的操作。

這本書基于Python語言，并同時提供名叫Natural Language Toolkit的開放資源庫。

9. Automate the Boring Stuff

with Python

鏈接：https://automatetheboringstuff.com/

作者：Al Sweigart

如果你曾花過數(shù)小時時間在文件重命名和更新數(shù)百個電子表格數(shù)據(jù)上，那么你知道這些工作有多么枯燥乏味。但如果你能夠讓電腦可以幫你做這些呢?

這本書里，你會學(xué)習(xí)如何使用Python來編輯程序，來代替你做需要花幾個小時的事情，并且你不需要有編程基礎(chǔ)。當(dāng)你很純熟地掌握這些編程基礎(chǔ)，你將能夠使用Python編程毫不費(fèi)力地實現(xiàn)許多有用并驚艷的自動化特技。

10. Social Media Mining: An Introduction

鏈接：http://dmml.asu.edu/smm/

作者：Reza Zafarani, Mohammad Ali Abbasi and Huan Liu

過去十年中，社交媒體顛覆了個體的交流和行業(yè)間的經(jīng)營方式。個體以史無前例的速度通過在社交媒體上交流、分享和消費(fèi)內(nèi)容產(chǎn)生大量數(shù)據(jù)。理解和分析這類新數(shù)據(jù)來收集可行的模型成為了交叉領(lǐng)域研究、新型算法和工具開發(fā)所面臨的新機(jī)遇與新挑戰(zhàn)。這本書結(jié)合了社交媒體，社交網(wǎng)絡(luò)分析和數(shù)據(jù)挖掘，幫助學(xué)生、從業(yè)者、研究員和項目經(jīng)理快速、清晰地理解社交媒體挖掘的基礎(chǔ)和未來的可能性。

原文標(biāo)題：

10 More Free Must-Read Books for Machine Learning and Data Science

原文鏈接：

https://www.kdnuggets.com/2018/05/10-more-free-must-read-books-for-machine-learning-and-data-science.html

標(biāo)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(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，請與原作者聯(lián)系。