本文將分理論部分和實際部分為你推薦一些機器學習和數(shù)據(jù)科學的相關書籍。

理論部分

以下都是機器學習的基礎教材。如果你認真研讀其中任意一本，這意味著你要分析其中的模型，推導和實現(xiàn)主推理算法并進行練習，這些教材可以為你提供堅實的背景。如果你是機器學習的入門菜鳥，這些書可能技術性很強，但是一旦你堅持完成其中一本，你會發(fā)現(xiàn)其他教材也變得簡單易懂。

1. 統(tǒng)計學習精要(The Elements of Statistical Learning (ESL))

 

 

作者：Jerome H. Friedman, Robert Tibshirani, and Trevor Hastie

推薦語：經(jīng)典之作!!這同時也是一個在線課程，新版教材提供R代碼

2. 模式識別與機器學習(Pattern recognition and machine learning (PRML))

 

 

作者：Christopher Bishop

推薦語：和ESL一樣，這本也是必讀之作。

3. 機器學習：概率學觀點(Machine Learning: A Probabilistic Perspective)

 

 

作者：Kevin R Murphy

推薦語：如果你徹底學習(前文)PRML，你能掌握這本書中的大部分內容。 然而，這是一本有趣而全面的書，主要關注有原則的、概率性的建模方法。 它還附帶Matlab中的代碼。

4. 概率圖模型(Probabilistic Graphical Models)

 

 

作者：Daphne Koller and Nir Friedman

推薦語：圖模型為概率模型的表示、推理以及學習提供了框架。這個強大的框架為許多機器學習模型提供了宏觀視角，否則這些模型僅僅被看作一堆不同的模型。書還配有Coursera的在線課程。

5. 強化學習(Reinforcement learning, an introduction)

 

 

作者：Richard S. Sutto and Andrew G. Barto

推薦語：盡管這本書還是一個初稿，但第二個版本已經(jīng)寫得很好，并且很好地解釋了強化學習的概念和應用。

6. 神經(jīng)網(wǎng)絡與深度學習(Neural networks and deep learning)

 

 

作者：Michael Nielsen

推薦語：Michael Nielsen的書更加實用，包含一些很酷的互動內容以幫助理解

7. 深度學習(Deep Learning)

 

 

作者：Ian Goodfellow and Yoshua Bengio and Aaron Courville

推薦語：相比上面Michael Nielsen書的實用性，本書則更全面。我建議按照給定的順序閱讀學習。

應用部分

1. 商業(yè)中的數(shù)據(jù)科學(Data science for business)

 

 

作者：Foster Provost and Tom Fawcett

推薦語：本書對非技術人員(如業(yè)務經(jīng)理)非常友好。它還提供了有關如何執(zhí)行數(shù)據(jù)科學項目的一些合理原則。強烈推薦此書!!

2. R數(shù)據(jù)科學(R for data science)

 

 

作者：Garrett Grolemund and Hadley Wickham

推薦語：特別是對R用戶來說，這本是必讀教材。

3. 應用預測建模(Applied predictive modelling)

 

 

作者：Kjell Johnson and Max Kuhn

推薦語：由非常流行的R包caret的作者撰寫，也是一本必讀教材。 它包含許多實用技巧和建議，不僅可用于建模，還可用于不同模型的數(shù)據(jù)準備。

4. 數(shù)據(jù)科學技術：市場營銷、銷售與客戶關系管理領域(Mining Techniques: For Marketing, Sales, and Customer Relationship)

 

 

作者：Gordon S. Linoff and Michael J. A. Berry

推薦語：不要被標題誤導，書中的數(shù)據(jù)科學技術普遍適用，不僅僅是對客戶關系管理(CRM)。

5. 數(shù)據(jù)挖掘的數(shù)據(jù)準備(Data preparation for data mining)

 

 

作者：Dorian Pyle

推薦語：1999年出版，但今天仍然非常適用，本書提供了一個明細的清單，以便在準備分析數(shù)據(jù)時進行檢查。

6. 網(wǎng)站優(yōu)化的Bandit 算法(Bandit algorithms for website optimization)

 

 

作者：John Myles White

推薦語：本書介紹了標準的多臂賭博機算法(multi-armed bandit)，并提供了多種語言的實現(xiàn)。

7. R數(shù)據(jù)科學實戰(zhàn)手冊(Practical data science with R)

 

 

作者：John Mount and Nina Zumel

推薦語：此書不像Johnson和Kuhn的書那樣精致，但還是有一些值得了解的技巧。

原文標題：Data science books - theory and practice

原文鏈接：https://www.codementor.io/trungnguyen958/data-science-books-theory-and-practice-krrjgncy7

譯者：王雨桐

標簽： [db:TAGG]

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)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(lián)系。