机器学习经典书籍及书单资料推荐：带你认识人工智能

　　机器学习是计算机科学与人工智能的重要领域。如今的21世纪人工智能正在飞速进化，在很多方面已经跨越了人类。alphago战胜李世石，nao机器人智能回答人类的各种问题...数不胜数的案例表明机器学习已经成为社会发展的又一课题，本期的机器学习经典书籍及书单资料推荐马上带你走入并感受这个人工智能时代。

　　机器学习经典书籍及书单资料推荐之《机器学习》

　　

　　机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面. 全书共16 章，大致分为3 个部分：第1 部分(第1～3 章)介绍机器学习的基础知识;第2 部分(第4～10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(第11～16 章)为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索。

　　机器学习经典书籍及书单资料推荐之《Spark MLlib机器学习：算法、源码及实战详解》

　　

　　黄美灵编写的《Spark MLlib机器学习(算法源码 及实战详解)》以Spark 1.4.1版本源码为切入点，全 面并且深入地解析Spark MLlib模块，着力于探索分 布式机器学习的底层实现。

　　《Spark MLlib机器学习(算法源码及实战详解) 》中本着循序渐进的原则，首先解析MLlib的底层实 现基础：数据操作及矩阵向量计算操作，该部分是 MLlib实现的基础;接着对各个机器学习算法的理论 知识进行讲解，并且解析机器学习算法如何在MLlib 中实现分布式计算;然后对MLlib源码进行详细的讲 解;*后进行MLlib实例的讲解。相信通过《Spark MLlib机器学习：算法、源码及实战详解》的学习， 读者可全面掌握Spark MLlib机器学习，能够进行 MLlib实战、MLlib定制开发等。

　　《Spark MLlib机器学习(算法源码及实战详解) 》适合大数据、Spark、数据挖掘领域的从业人员阅 读，同时也为Spark开发者和大数据爱好者展现了分 布式机器学习的原理和实现细节。

　　机器学习经典书籍及书单资料推荐之《机器学习实战》

　　

　　机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。

　　《机器学习实战》通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效可复用的Python 代码阐释如何处理统计数据，进行数据分析及可视化。读者可从中学到一些核心的机器学习算法，并将其运用于某些策略性任务中，如分类、预测及推荐等。

　　机器学习经典书籍及书单资料推荐之《程序员的数学.3，线性代数》

　　

　　《程序员的数学 (3线性代数)/图灵程序设计丛书》沿袭“程序员的数 学”系列平易近人的风格，用通俗的语言和具象的图 表深入讲解了编程中所需的线性代数知识，内容包括 向量、矩阵、行列式、秩、逆矩阵、线性方程、Lu分 解、特征值、对角化、Jordan标准型、特征值算法等 。

　　机器学习经典书籍及书单资料推荐之《大数据智能——互联网时代的机器学习和自然语言处理技术》

　　

　　全书包括大数据智能基础和大数据智能应用两个 部分，共8章。大数据智能基础部分有三章：第1章以 深度学习为例介绍大数据智能的计算框架;第2章以 知识图谱为例介绍大数据智能的知识库;第3章介绍 大数据的计算处理系统。大数据智能应用部分有5章 ：第4章介绍智能问答，第5章介绍主题模型，第6章 介绍个性化推荐，第7章介绍情感分析与意见挖掘， 第8章介绍面向社会媒体内容的分析与应用。本书的后记部分为读者追踪大数据智能的创新学术材 料提供了建议。

　　机器学习经典书籍及书单资料推荐之《数据挖掘实用机器学习工具与技术》

　　

　　书中详细介绍用于数据挖掘领域的机器学习技术和工具以及实践方法，并且提供了一个公开的数据挖掘工作平台Weka。本书主要内容包括：数据输入/输出、知识表示、数据挖掘技术(决策树、关联规则、基于实例的学习、线性模型、聚类、多实例学习等)以及在实践中的运用。本版对上一版内容进行了全面更新，以反映自第2版出版以来数据挖掘领域的技术变革和新方法，包括数据转换、集成学习、大规模数据集、多实例学习等，以及新版的Weka机器学习软件。

　　机器学习经典书籍及书单资料推荐之《机器学习基础教程》

　　

　　《机器学习基础教程》介绍机器学习技术及应用的主要算法，重点讲述理解主流的机器学习算法所需的核心数学和统计知识。书中介绍的算法涵盖机器学习的主要问题：分类、聚类和投影。由于本书是机器学习基础课程的教材，所以尽量减少了数学难度，仅对一小部分重要算法给出详细的描述和推导，而对大部分算法仅给出简单介绍，目的在于使读者打好基础，增强信心和兴趣，鼓励他们进一步学习该领域的高级主题或从事相关研究工作。

　　在学习的同时一定要结合自己的掌握程度去亲身实践，检验自己有没有把知识学到位。然后做到熟能生巧，可以和自己的小伙伴一起探讨。本期的机器学习经典书籍及书单资料推荐如果没有满足你的需求，欢迎来到我们的计算机图书频道。