免费的机器学习图书资源其实有不少,包括许多未正式出版的笔记、手册。雷锋网此前做了多次分享。这一次,有国外开发者从免费资源里面,筛选出了最值得深入阅读的几本,雷锋网特来与大家分享。
首先声明,所有书籍均为正版来源。免费的原因有很多:促进知识分享的公益项目,选择将学习资源对社会开放的国外高校,有心做公益的作者、出版社等等。
其次,编者要指出:所有图书均为英文原著。除两本教程外,其余都有中文译版,国内可方便买到,需要的同学可对照阅读。
最后,本列表不分先后次序。
█《Mining of Massive Datasets》
作者:Jure Leskovec, Anand Rajaraman, Jeff Ullman
这本书基于两门斯坦福大学计算机科学专业的课程: CS246 和 CS35A。它的受众为计算机专业的本科学生,不需要任何基础(高中数学学好即可)。剑桥大学出版社出版。译本名为《大数据:互联网大规模数据挖掘与分布式处理》。
原版下载地址:http://mmds.org/#ver21
█《An Introduction to Statistical Learning:with applications in R》
作者:Gareth James, Daniela Witten, Trevor Hastie,Robert Tibshirani
如同其名,这是统计学习方法的入门学习书籍,同时还包含了一系列 R 语言应用工具。中文版名为《统计学习导论:基于R应用》。
原版下载地址:http://www-bcf.usc.edu/~gareth/ISL/
█《Bayesian methods for hackers》
作者:Cam Davidson-Pilon
这本书从计算的角度介绍贝叶斯方法和概率编程。对数学基础不够牢靠的开发者特别有帮助。国内译版:《贝叶斯方法:概率编程与贝叶斯推断》。
原版下载地址:http://ptgmedia.pearsoncmg.com/images/9780133902839/samplepages/9780133902839.pdf
█《Understanding Machine Learning: From Theory to Algorithms》
作者:Shai Shalev-Shwartz,Shai Ben-David
受众为有坚实数学基础的读者。有了这一前提,本书是理解机器学习背后原理的最佳著作之一。国内译版名为《深入理解机器学习:从原理到算法》。
█《Deep Learning Tutorial》
作者:蒙特利尔大学 LISA 实验室
未正式出版的手册,也因此没有中文译本。对于使用 Theano 的深度学习开发者,这本教程是必读。
下载地址:http://deeplearning.net/tutorial/deeplearning.pdf
█《Scikit-Learn Tutorial: Statistical-Learning for Scientific Data Processing》
作者:Andreas Mueller
又是一个未出版的教程,讲解用于统计推断的机器学习技巧。
下载地址:http://gael-varoquaux.info/scikit-learn-tutorial/
在上述书籍之外,倒还有几本不错的机器学习和统计领域的免费电子书。但雷锋网(公众号:雷锋网)此前盘点过的,本文不再重复。请参考此前文章:最近很火的《计算机科学的数学》是本什么样的书?。
另外,更全面的机器学习外文书籍盘点,请看:机器学习漫游指南 最完整的入门书单(外文版)。
via paralleldots
雷锋网版权文章,未经授权禁止转载。详情见。
原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/74860.html