擔心，機器學習應該讀什么書？云棲社區和異步社區中推薦的機器學習書籍

最近，機器學習已成為人工智能領域中的一個熱門話題，并且我還收到了許多關于適合閱讀和學習的好書的私下咨詢. 本周: 阿里云運氣社區機構，聯合機器學習出版社: 異步社區，為您帶來10本經典的機器學習相關書籍，適合從入門到高級閱讀三個不同階段的學生閱讀，每本書都被標記為適合對于異步社區機器學習相關同學的讀者（本文結尾有雞蛋，請不要后悔）:

（異步社區是人民郵電出版社下屬的IT書籍旗艦社區，也是中國領先的IT書籍社區. 它致力于出版和共享高質量的學習內容，并取得了2015年紙質書和電子書的同步. 2015年8月上線. ）

Python高性能編程

Python高性能編程書籍異步社區這本書適合初學者和中級Python程序員，這些讀者具有一定的Python語言基礎并希望獲得高級和改進的閱讀知識. 本書共有12章，詳細解釋了如何優化代碼并加快實際應用的速度. 本書主要包含以下主題: 計算機內部結構的背景知識，列表和元組，字典和集合，迭代器和，矩陣和向量計算，并發，集群和工作隊列. 最后，一系列實際案例表明了應用場景中需要注意的問題.

NLTK基礎教程-使用NLTK和Python庫構建機器學習應用程序-書籍-異步社區本書適合NLP和機器學習愛好者，對文本處理感興趣的讀者以及想要快速學習NLTK的高級Python讀者機器學習領域的程序員和研究人員. NLTK庫是自然語言處理（NLP）領域中最流行和使用最廣泛的庫之一. 同時，Python語言已逐漸成為主流編程語言之一. 本書主要介紹如何通過結合NLTK庫和一些Python庫來實現復雜的NLP任務和機器學習應用程序. 全書共分十章. 第1章簡要介紹了NLP. 第2章，第3章和第4章主要介紹一些常規的預處理技術，特定于NLP領域的預處理技術以及命名的實體識別技術. 第5章之后的內容重點在于如何構建一些NLP應用程序，涉及文本分類，數據科學和數據處理，社交媒體挖掘以及文本挖掘.

機器學習和數據科學（基于R的統計學習方法）-本書-異步社區這本書適合需要了解數據科學和機器學習方法的數據科學家，數據分析師，軟件開發人員和研究人員. 本書試圖指導讀者如何完成涉及機器學習的數據科學項目. 本書將為數據科學家提供一些將用于統計學習領域的工具和技術，包括數據連接，數據處理，探索性數據分析，有監督的機器學習，無監督的機器學習和模型評估. 本書使用R統計環境. 本書中的所有代碼示例都是用R語言編寫的，并且涉及許多流行的R包和數據集.

實用機器學習-書籍-異步社區這本書適合需要應用機器學習算法解決實際問題的工程技術人員. 它也可以用作相關的高年級本科生或的入門教材或課外閱讀. 學習的應用提供了廣闊的空間，涉及數據分析工作的所有行業都需要使用機器學習算法. 本書著重于實際的數據分析過程，著重于數據探索，數據預處理和常用的機器學習算法模型. 從解決實際問題的角度出發，本書介紹了回歸算法，分類算法，推薦算法，排序算法和集成學習算法. 在介紹每種機器學習算法模型時，該書不僅說明了基本原理，還討論了模型的評估和選擇. 為了方便讀者學習各種算法，本書以R語言介紹了相應的軟件包并提供了示例程序. 本書的最大特點是接近工程實踐. 首先，這本書僅側重于行業中最常用的機器學習算法，而沒有涉及知識內容. 其次，在介紹每種類型的機器學習算法時，本書都力求以一種簡單易懂的方式來解釋算法思想，而無需追求理論的深度，這使讀者可以在代碼的幫助下獲得直觀的體驗.

Python機器學習實踐指南-書籍-異步社區這本書適合Python程序員，數據分析師，對算法感興趣的讀者，機器學習領域的從業人員和研究人員. 機器學習是近年來越來越流行的領域. 同時，經過一段時間的發展，Python語言逐漸成為主流編程語言之一. 本書結合了機器學習和Python語言的兩個流行領域. 通過使用兩種核心機器學習算法，Python語言在數據分析中的優勢得以最大化. 這本書有10章. 第1章介紹了Python機器學習生態系統，其余9章介紹了許多與機器學習相關的算法，包括各種分類算法，數據可視化技術，推薦引擎等，主要包括在公寓，機票和IPO市場中的機器學習. . ，新聞來源，內容促銷，股票市場，圖片，聊天機器人和推薦引擎.

貝葉斯方法: 概率編程和貝葉斯推理書籍-異步社區這本書適合機器學習圖像識別算法書籍，貝葉斯推理，概率編程等相關領域的從業者和發燒友，也適合普通開發人員理解. 統計. 本書基于PyMC語言和一系列常用的Python數據分析框架，例如NumPy，SciPy和Matplotlib. 通過概率編程，它解釋了貝葉斯推理的原理和實現方法. 這種方法通常可以有效地解決問題，而無需進行大量的數學分析. 書中使用的案例通常是工作中遇到的實際問題，既有趣又實用. 作者的博覽會還試圖避免冗長的數學分析，并允許讀者一一解決特定的問題. 通過本書的學習，讀者可以對貝葉斯思想和概率編程有更深入的了解，并為以后有關機器學習和數據分析的工作奠定基礎.

TensorFlow技術分析與實戰-書籍-異步社區這本書非常簡單，理論聯系實際，實戰案例新穎，基于最新的TensorFlow 1.1版本，涵蓋了TensorFlow的新功能，非常適合對深度學習和TensorFlow感興趣的讀者. TensorFlow是Google開發的深度學習框架，是深度學習的主流框架之一. 本書從深度學習的基礎開始，并深入研究TensorFlow框架原理，模型構建，源代碼分析和網絡實現的各個方面. 本書分為三個部分: 基礎，實用和改進. 基礎文章介紹了人工智能，深度學習方法，TensorFlow的基本原理，系統架構，設計概念，編程模型，常用API，批處理標準化，模型存儲和加載，隊列和線程等入門知識，以實現自定義操作，并分析了TensorFlow的源代碼，介紹了卷積神經網絡（CNN）和遞歸神經網絡（RNN）的演進發展及其對TensorFlow實現的了解，TensorFlow的高級框架等;該實用文章介紹了如何使用TensorFlow編寫神經網絡程序，并介紹了TensorFlow實現了各種網絡（CNN，RNN和自編碼網絡等），并訓練了MINIST數據集以解釋TensorFlow在人臉識別中的應用，自然語言處理，圖像和語音的結合以及生成式對抗網絡；改進本文以解釋TensorFlow的分布式原理，體系結構，模式，API，并介紹TensorFlow XLA，TensorFlow調試器，TensorFlow和Kubernetes組合，TensorFlowOnSpark，TensorFlow移動應用程序以及其他功能，例如TensorFlow Serving，TensorFlow折疊和TensorFlow計算加速. 最后，附錄列出了一些公共數據集以供參考，并結合作者的項目經驗為項目管理提供一些建議.

概率-書籍-異步社區中的實用編程這本書可以用作概率編程的入門閱讀，或者可以幫助已經有一定基礎的讀者熟悉概率編程工具Figaro. ★人工智能領域的先驅者，加州大學伯克利分校的教授Stuart Russell推薦了序言！令人難以置信的Scala概率編程實戰書！概率推理是在不確定條件下進行決策的重要方法，已被廣泛應用于許多領域. 概率編程將概率推理模型與現代計算機編程語言完全結合在一起，使該方法的實現更加容易. 它已經出現在許多領域（包括熱機器學習）中，并且出現了各種概率編程系統. 本書的作者是Avi Pfeffer，他是主流概率編程系統Figaro的首席開發人員. 他通過詳細的示例以及清晰易懂的解釋將讀者帶入這個艱巨的領域. 在本書中，您會發現概率編程并不是“瘋狂科學家”的專利. 在沒有大量數學知識的情況下，您可以構思解決許多實際問題的概率模型，然后使用現代概率編程系統的強大功能來解決問題.

用于預測分析的Python機器學習核心算法-書籍-異步社區本書面向希望提高機器學習技能，幫助他們解決特定項目或升級相關技能的Python開發人員. 在學習和研究機器學習時，面對著令人眼花algorithms亂的算法，機器學習的新手常常很茫然. 本書可幫助讀者從算法和Python語言實現的角度理解機器學習. 該書著重介紹了兩種核心的“算法族”，即懲罰線性回歸和積分方法，并通過代碼示例演示了使用有問題的算法的原理. 本書分為7章，詳細討論了預測模型的兩種核心算法，預測模型的構建，懲罰線性回歸和積分方法的具體應用和實現.

機器學習項目開發實戰書籍-異步社區這本書適合于對機器學習感興趣的.NET開發人員閱讀，也適合作為機器學習的入門參考書的其他讀者. 本書從一系列有趣的示例中將機器學習作為一個熱門的新領域進行了介紹，并詳細介紹了適用于機器學習開發的Microsoft F#語言和函數式編程，使讀者深入了解了機器學習的基本概念圖像識別算法書籍，核心思想和知識. 常用算法. 本書中的示例不僅易于理解，而且非常實用，并且可以用作許多開發問題的起點. 通過閱讀本書，讀者可以快速入門，而無需接觸無聊的數學知識，為將來的開發工作奠定了堅實的基礎.

這個異步社區中的學生還專門贈送了10本書作為對社區朋友的禮物.

圖書規則:

1. 關注阿里云運氣社區；

本文來自本站，轉載請注明本文網址：
http://www.pc-fly.com/a/jisuanjixue/article-257728-1.html