|
全球人工智能 Real World Machine Learning（现实世界中的机器学习）
作者：Henrik Brink，Joseph W.Richards和Mark Fetherolf 本书介绍了现实世界中机器学习的应用，旨在教会工作开发者ML项目执行的艺术。 书籍链接：https://www.manning.com/books/real-world-machine-learning An Introduction To Statistical Learning（统计学习介绍）
作者：加雷思詹姆斯，丹尼尔·维滕，特雷弗·哈斯蒂和罗伯特·蒂布拉尼 本书提供了统计学习方法的介绍。适合于高年级本科生，硕士研究生和博士学位。非数学科学中的学生。 书籍链接：%7Egareth/ISL/ An Introduction To Statistical Learning（统计学习的要素）
作者：TrevorHastie Robert Tibshirani Jerome Friedman 简介：这本书的覆盖面广泛，从监督学习到无监督学习。涵盖了神经网络，支持向量机，分类树等经典算法。 书籍链接：%7Etibs/ElemStatLearn/ Probabilistic Programming & Bayesian Methods for Hackers （概率编程与黑客的贝叶斯方法）
本书综合的从数学和概率编程的角度介绍了贝叶斯方法。 书籍链接： Think Bayes（贝叶斯方法）
作者：Allen B.Downey 本书从计算的角度介绍贝叶斯统计。 书籍链接： Information Theory, Inference, and Learning Algorithms（信息理论，推理和学习算法） 本书主要阐述了信息理论知识，以及其中的推理过程、学习算法，适合于机器学习辅助知识阅读。 书籍链接： Gaussian Processes for Machine Learning（机器学习的高斯过程）
作者：Carl Edward Rasmussen和ChristopherK. I. Williams 书籍简介：在这本书中，atv，我们将关注监督学习，并根据输出的特性，讨论了回归，分类等问题。 书籍链接： Data-Intensive Text Processing with MapReduce（数据强化文本处理）
作者：吉米·林和克里斯·戴尔。 本书专注于MapReduce算法设计，重点放在自然语言处理，信息检索和机器学习中常用的 书籍链接： Reinforcement Learning: - An Introduction（增强学习）
作者：理查德·萨顿和安德鲁·巴托 本书主要介绍深度学习中非常重要的一个方向“强化学习”，适合于刚学习这方面知识的人群。 书籍链接：%7Esutton/book/ebook/the-book.html Mining of Massive Datasets（数据集挖掘规模化）
作者：Jure Leskovec Anand Rajaraman effrey D. Ullman 本书适合研究数据挖掘的人群 书籍链接：%7Eullman/mmds/book.pdf A First Encounter with Machine Learning（机器学习的第一次邂逅）
本书用浅显的语言描述了机器学习知识，适合入门人群。 书籍链接：https://www.ics.uci.edu/%7Ewelling/teaching/273ASpring10/IntroMLBook.pdf Pattern Recognition and Machine Learning（模式识别和机器学习） 本书阐述了模式识别的各种方法，同时在其基础上讨论了机器学习方法，非常适合模式识别领域人群。 书籍链接：%7Ewurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf Machine Learning & Bayesian Reasoning（机器学习与贝叶斯推理） 本书了统计学于机器学习的关系，需要一定的数学基础的人群 书籍链接： Introduction to Machine Learning（机器学习简介）
本书适合研究机器学习入门的人群 书籍链接： A Probabilistic Theory of Pattern Recognition（模式识别的概率理论） 本书从模式识别问题实际出发，结合概率理论，并用概率理论知识解决模式识别问题，适合机器学习人群 书籍链接：%7Egyorfi/pbook.pdf ntroduction to Information Retrieval（信息检索简介）
本书介绍机器学习中信息的运用过程，适合具有一定基础的机器学习人群 书籍链接： Forecasting: principles and practice（预测：原则和实践） 本教材旨在提供预测方法的全面介绍，并为每个方法提供足够的信息，以便读者能够明智地使用它们。 书籍链接：https://www.otexts.org/fpp/ Introduction to Machine Learning(机器学习简介)
本书用实例的方法介绍了机器学习方法，适合一定基础的人群 书籍链接：https://arxiv.org/pdf/0904.3664v1.pdf Reinforcement Learning(强化学习) 本书主要介绍深度学习中非常重要的一个方向“强化学习”，适用于一定深度学习知识的人群 书籍链接： Machine Learning(机器学习) 本书介绍机器学习方法，适用于机器学习一定基础的人群 书籍链接： A Quest for AI(AI的任务)
本书介绍人工智能可以做到的事情，atv，适合研究人工智能技术的人群 书籍链接：%7Enilsson/QAI/qai.pdf Introduction to Applied Bayesian Statistics and Estimation for Social Scientists(应用贝叶斯统计学概论和社会科学家的估计) 本书介绍了利用统计学知识来应用到实际生活中，适合工程学者人群 书籍链接：?doi=10.1.1.177.857&rep=rep1&type=pdf Bayesian Modeling, Inference and Prediction（贝叶斯建模，推理和预测） 本书介绍了贝叶斯建模原理，适合一定基础的机器学习、统计学学者人群 书籍链接：https://users.soe.ucsc.edu/%7Edraper/draper-BMIP-dec2005.pdf A Course in Machine Learning（机器学习课程）
本书是一门机器学习教程，适合初学者 书籍链接： Machine Learning, Neural and Statistical Classification（机器学习，神经和统计分类）
本书介绍了机器学习、神经网络、统计学分类的知识，适合初学者 书籍链接：%7Echarles/statlog/ Bayesian Reasoning and Machine Learning（贝叶斯推理和机器学习） 本书介绍了机器学习、贝叶斯推理相关知识，适合一定统计学基础的人群 书籍链接：?n=Brml.HomePage R Programming for Data Science（R语言数据科学） 本书介绍了r语言在数据科学中使用，适合运用r语言研究机器学习的人群 书籍链接：https://leanpub.com/rprogramming Data Mining - Practical Machine Learning Tools and Techniques（数据挖掘- 实用机器学习工具和技术）
作者：Ian H. 本书介绍了数据挖掘知识，适合文本处理、数据挖方面的人群 书籍链接：?action=login 所有图书点击阅读原文 跳转下载总链接地址 兼职翻译 招聘 (责任编辑：本港台直播) |
