专栏名称: 网络大数据
打造中国最专业的网络大数据科学门户网站,提供新闻动态、研究资料、测量工具、数据报告、在线测量等各项信息及服务,供IDC,CDN,ICP和普通大众共同学习进步。
目录
相关文章推荐
51好读  ›  专栏  ›  网络大数据

书籍推荐| 推荐8本大数据人工智能领域相关专业书籍

网络大数据  · 公众号  · 大数据  · 2017-05-09 19:55

正文

请到「今天看啥」查看全文


行业每天都在进步,面对火热的人工智能领域,更多的阅读有利于我们扩展视野。以下为大家推荐8本人工智能领域相关的书籍。


本书单根据内容深度排序,从基础统计学到基础机器学习,再到内容更深入的专著,从具体的话题讨论,到整个行业的分析。希望通过阅读能够对大家的在此专业领域有所帮助。


1.《统计思维:程序员的概率与统计学》

ThinkStats: Probability and Statistics for Programmers

作者:Allen B. Downey


《统计思维》是针对Python程序员编写的概率和统计学专著。本书 强调利用简单的技术处理实际数据集(real dataset)、回答一些有趣的问题。书中还介绍了对美国国立卫生研究院的案例分析。作者鼓励读者在实际数据集项目中通过实践来学习。


2. 《黑客的概率编程与贝叶斯方法》

Probabilistic Programming & BayesianMethods for Hackers

作者:Cam Davidson-Pilon


从计算理解第一、数学第二的角度介绍了贝叶斯方法和概率编程。


贝叶斯方法是推理的自然方法,本书用很多章节详细解释了数学分析过程。一般介绍贝叶斯推理的文本都会用2到3章介绍概率论,然后再介绍什么是贝叶斯推理。 但是由于贝叶斯模型涉及到的数学内容对一般读者来说太困难,所以很多书在介绍贝叶斯模型的时候只会用到简单的、理想化的案例。这其实是让读者对贝叶斯模型理解的误导。 事实上,这本书就是作者避免了上述情形来写的。


3. 《深入理解机器学习:从原理到算法》

Understanding Machine Learning: From Theoryto Algorithms

By Shai Shalev-Shwartz and Shai Ben-David


本书为剑桥大学机器学习教材。机器学习是计算机科学领域发展最快的分支之一,其应用具有深远的意义。


本教科书的目的是有条理地介绍机器学习及为读者提供算法范例。本书介绍了机器学习基础知识,并详细解释了将这些原理转化为实际算法的数学推导理论论述。


除了介绍基础知识之外,本书还涵盖了以前教科书无法解决的一系列中心课题,包括讨论学习的计算复杂性,分析了凸度和稳定性的概念,书中介绍的重要的算法范例包括随机梯度下降,神经网络和结构输出学习,同时还介绍了诸如PAC-Bayes方法和基于压缩的边界等新兴理论概念。


4. 《统计学习基础:数据挖掘、统计与预测》

The Elements of Statistical Learning

作者:Trevor Hastie, Robert Tibshirani and Jerome Friedman


这本书在普遍概念框架中描述了数据学领域的重要思想。虽然这种方法属于统计学范畴,但本书的重点在于概念而不是数学。


书中列举了许多例子,并大胆的采用色彩丰富的图片。对所有数据科学或行业数据挖掘感兴趣的人来说,这本书都是不可不读的宝贵的资源。


这本书的内容涵盖范围广泛,从监督式学习(预测)到无监督式学习。讨论的话题包括神经网络,支持向量机,分类树,其对boosting算法的讨论更是首创。


5. 《统计学习导论:基于R应用》

An Introduction to Statistical Learningwith Applications in R

作者:Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani


本书为数据学习方法的导论,面向非数学专业的高年级本科生、硕士和博士研究生。本书还涵盖了大量的R实验,详细解释了在实际生活中如何践行不同的方法,因此对于实践派数据科学家来说是有用的资源。


6. 《大数据:互联网大规模数据挖掘与分布式处理》

Mining of Massive Datasets

作者:Jure Leskovec, Anand Rajaraman and Jeff Ullman


本书的编写基于斯坦福大学计算机科学课程“CS246: Mining Massive Datasets”。

这本书和斯坦福的课程一样,是为没有计算机基础的本科学生设计的。为了支持读者进行更深入的探索,大部分章节最后都补充了深度阅读参考资料。


7. 《深度学习》

Deep Learning

作者:Ian Goodfellow, Yoshua Bengio and Aaron Courville

《深度学习》这本书旨在帮助学生和从业人员了解机器学习领域,特别是深度学习。


8. 《向往的机器学习》

Machine Learning Yearning

作者:吴恩达


人工智能,机器学习和深度学习掀起了众多行业的改革浪潮。本书帮助读者更好的构建了人工智能系统。

部分来源:灯塔大数据

网络大数据

(ID: raincent_com


网络大数据 www.raincent.com

由清华CDN实验室于2011年创办,

致力于打造中国最专业的网络大数据科学门户网站。



识别二维码,关注网络大数据








请到「今天看啥」查看全文