所有文章 > 正文

2019年,这20本机器学习和数据科学书籍一定不要错过(上)

作者: 学术哥 学术君

时间: 2019-01-11 15:15

2019年已过去10天,回顾2018年,大家看过几本跟专业相关的书?

今天学术哥先为大家推荐10本机器学习和数据科学的书籍,待大家收藏消化后,下周再为大家推荐另外10本。



PDF版本已为大家下载好

获取链接:链接:https://pan.baidu.com/s/1SwCt1iyrrh_mG3iKr6ZxZQ 密码:813o

只能在线阅读的书籍已附上地址


废话不多说,正文开始。


1.Python Data Science Handbook


作者: Jake VanderPlas


简介:



本书介绍了在Python中处理数据所必需的核心库:特别是NumPy,Pandas,Matplotlib,Scikit-Learn和相关软件包。


如果你需要快速了解语言本身,请参阅免费的入门项目, A Whirlwind Tour of Python:它是针对研究人员和科学家的Python语言的快节奏介绍。



2.Neural Networks and Deep Learning


作者:Michael Nielsen



简介:


这是一本免费的在线书籍,神经网络和深度学习目前为图像识别,语音识别和自然语言处理中的许多问题提供了最佳解决方案。本书将教您神经网络和深度学习背后的许多核心概念。


在线阅读网址:http://neuralnetworksanddeeplearning.com/


3.Think Bayes


作者:Allen B. Downey



简介:


Think Bayes是使用计算方法对贝叶斯统计的介绍。


本书以及Think X系列中的其他书籍的前提是:如果您知道如何编程,则可以使用该技能来学习其他主题。


大多数关于贝叶斯统计的书籍都使用数学符号,并根据微积分等数学概念提出想法。本书使用Python代码而不是数学,并且使用离散近似而不是连续数学。因此,数学书中的积分将成为求和,并且大多数关于概率分布的操作都是简单的循环。


4.Machine Learning & Big Data


作者:By Kareem Alkaseer

简介:


其背后的目的是在理论和实现之间取得平衡,以便软件工程师能够轻松地实现机器学习模型,而无需过多依赖库。


大多数情况下,模型或技术背后的概念是简单或直观的,但它会在细节或术语中丢失。此外,大多数情况下现有的库可以解决手头的问题,但它们被视为黑盒子,而且往往它们有自己的抽象和架构隐藏了潜在的概念。本书的目的是使基本概念清晰明了。


在线阅读网址:http://www.kareemalkaseer.com/books/ml


5.Statistical Learning with Sparsity: The Lasso and Generalizations


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



简介:


这本书总结了正在快速发展的具有稀疏性的统计学习领域。 稀疏统计模型是一个具有少量非零参数或权重的模型。 它代表了一种经典的“少即是多”的思想,即稀疏模型比稠密的模型更容易估计和解释。在这个大数据时代,特征空间可能很大,而稀疏性假设可以帮助我们解决这些问题,并从大数据集中提取有用且可重现的特征模式。


6.Statistical inference for data science


作者:Brian Caffo


简介:


本书是作为数据科学专业化的一部分编写的统计推理课程的配套书。但是,如果你不上课,这本书大多是独立的。本书的一个有用组成部分是一系列包含Coursera课程的YouTube视频。


本书旨在成为统计推断这一重要领域的低成本介绍。目标受众是具有数学和计算知识的学生,他们希望将这些技能用于数据科学或统计学。这本书是免费提供的github上的一系列降价文件,以及LeanPub和零售店的更方便的形式(epub,mobi)。


在线阅读网址:https://leanpub.com/LittleInferenceBook



7. Convex Optimization


作者: Stephen Boyd an; Lieven Vandenberghe




简介:


本书是关于凸优化的,这是一类特殊的数学优化问题,包括最小二乘和线性规划问题。众所周知,最小二乘和线性规划问题具有相当完整的理论,出现在各种应用中,并且可以非常有效地在数值上求解。本书的基本观点是,对于更大类的凸优化问题也可以这样说。



8.Natural Language Processing with Python 


作者:Steven Bird; Ewan Klein,;Edward Loper



简介:


这是一本关于自然语言处理的书。“自然语言”是指用于人类日常交流的语言; 英语,印地语或葡萄牙语等语言。与人工语言(如编程语言和数学符号)相比,自然语言在代代相传的过程中不断发展,并且很难用明确的规则来确定。我们将从广义上讲自然语言处理 - 或简称NLP - 涵盖任何类型的自然语言的计算机操作... 

本书基于Python编程语言和一个名为Natural Language Toolkit(NLTK)的开源库。


在线阅读网址:https://www.nltk.org/book/



9.Automate the Boring Stuff with Python


作者:Al Sweigart



简介:


如果你曾经花费数小时重命名文件或更新数百个电子表格单元格,那么你就知道这些繁琐的任务是多么繁琐。但是如果你能让让你的电脑来做这些,是不是就可以省去很多工作呢?


在使用Python自动化无聊的东西时,你将学习如何使用Python编写程序,这些程序可以在几分钟内完成耗时的手动操作- 无需任何先前的编程经验。一旦掌握了编程的基础知识,你就可以创建Python程序,轻松地执行有用且令人印象深刻的自动化功能。


在线阅读网址:https://automatetheboringstuff.com/


10.Social Media Mining: An Introduction


作者:Reza Zafarani;Mohammad Ali Abbasi ; Huan Liu



简介:


过去十年社交媒体的发展彻底改变了个人互动和行业开展业务的方式。通过社交媒体交互,共享和消费内容,个人以前所未有的速度生成数据。理解和处理这种新型数据以收集可操作的模式,为跨学科研究,新算法和工具开发提供了挑战和机遇。社交媒体挖掘集成了社交媒体、社交网络分析和数据挖掘,为学生、从业者、研究人员和项目经理提供了一个方便,连贯的平台,以了解社交媒体挖掘的基础和潜力。


[关于转载]:本文为AMiner唯一官方微信公众号“学术头条”原创文章。转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“SciTouTiao”微信公众号。谢谢您的合作。


如果您
对文章内容有建议或者有任何问题请联系学术君微信:AMiner308

二维码 扫码微信阅读
推荐阅读 更多