机器学习书单（理论篇）

机器学习书单

（理论篇）

HZBOOK

长按二维码了解及购买

《机器学习》

ISBN：978-7-111-10993-7 

作 者：（美）Tom Mitchell

定 价：35.00元

出版时间：2003/01

内容简介：

展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。《机器学习》综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。本书可作为计算机专业 本科生、研究生教材，也可作为相关领域研究人员、教师的参考书。

长按二维码了解及购买

《神经网络与机器学习（原书第3版）》

ISBN：978-7-111-32413-3 

作 者：（加）Simon Haykin

定 价：79.00元

出版时间：2011/02

内容简介：

本书是关于神经网络的全面的、有效的、可读性很强的、近期新的论述。全书共15章，主要内容包括rosenblatt感知器、通过回归建立模型、很小均方算法、多层感知器、核方法和径向基函数网络、支持向量机、正则化理论、主分量分析、自组织映射、信息论学习模型、动态规划、神经动力学、动态系统状态估计的贝叶斯滤波等。

长按二维码了解及购买

《模式分类（原书第2版）》

ISBN：978-7-111-12148-1

作 者：[美]Richard O.Duda,Peter E.Hart,David G.Stork

定 价：59.00元

出版时间：2003/09

内容简介：

本书第1版《模式分类与场景分析》出版于1973年，是模式识别和场景分析领域奠基性的经曲名著。在第2版中，除了保留了第1版的关于统计模式识别和结构模式识别的主要内容以外，读者将会发现新增了许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。作者还为未来25年的模式识别的发展指明了方向。书中包含许多实例，各种不同方法的对比，丰富的图表，以及大量的课后习题和计算机练习。

长按二维码了解及购买

《统计学习导论——基于R应用》

ISBN：978-7-111-49771-4

作 者：[美]Gareth James  Daniela Witten   Trevor Hastie  Robert Tibshirani

定 价：79.00元

出版时间：2015/05

内容简介：

本书出自统计学习领域声名显赫的几位专家，结合R语言介绍了分析大数据必不可少的工具，提供一些重要的建模和预测技术，并借助丰富的实验来解释如何用R语言实现统计学习方法。论题包括线性回归、分类、重抽样方法、压缩方法、基于树的方法、支持向量机、聚类等，作者借助彩图和实际案例直观解释这些方法。为了读者更好地理解书中内容，每章后还配有丰富的概念性和应用性练习题。
书中内容与《The Elements of Statistical Learning》的大部分内容相同，但是本书起点低，弱化了数学推导的细节，更注重方法的应用，所以更适合作为入门教材。当然，这本《统计学习导论》不仅是优秀的“统计学习”或“机器学习”课程的教材，也是数据挖掘、数据分析等相关从业者不可或缺的参考书。

长按二维码了解及购买

《统计机器学习导论》

ISBN：978-7-111-60072-5 

作 者：[日]杉山将

定 价：89.00元

出版时间：2018/05

内容简介：

本书对机器学习的关键知识点进行了全面讲解，帮助读者顺利完成从理论到实践的过渡。书中首先介绍用于描述机器学习算法的统计与概率的知识，接着详细分析机器学习技术的两类主要方法——生成方法和判别方法，后深入研究了如何使机器学习算法在实际应用中发挥更大的作用。本书提供程序源代码，便于读者进行数据分析实践。本书适合高等院校计算机、统计等专业的研究生和高年级本科生阅读，同时也适合相关领域的技术人员参考。

长按二维码了解及购买

《机器学习导论（原书第3版）》

ISBN：978-7-111-52194-5

作 者：[土耳其]埃塞姆·阿培丁

定 价：79.00元

出版时间：2016/01

内容简介：

本书是关于机器学习的内容全面的教科书，其中有些内容在一般的在机器学习导论书中很少介绍。主要内容包括监督学习，贝叶斯决策理论，参数、半参数和非参数方法，多元分析，隐马尔可夫模型，增强学习，核机器，图模型，贝叶斯估计和统计检验。

机器学习正在迅速成为计算机科学专业的学生必须掌握的一门技能。本书第3版反映了这种变化，增加了对初学者的支持，包括给出了部分习题的参考答案和补充了实例数据集（提供在线代码）。其他显著的变化包括离群点检测的讨论、感知器和支持向量机的排名算法、矩阵分解和谱方法、距离估计、新的核算法、多层感知器的深度学习和非参数贝叶斯方法。书中对所有学习算法都进行了解释，以便读者可以很容易地将书中的公式转变为计算机程序。本书可以用作高年级本科生和硕士研究生的教材，也可供研究机器学习方法的技术人员参考。

长按二维码了解及购买

《深入理解机器学习：从原理到算法》

ISBN：978-7-111-54302-2 

作 者：[以] 沙伊·沙莱夫-施瓦茨  [加] 沙伊·本-戴维

定 价：79.00元

出版时间：2016/06

内容简介：

本书介绍机器学习方法的原理及方法，同时引入了学习的计算复杂性、凸性和稳定性、PAC贝叶斯方法、压缩界等概念，以及随机梯度下降、神经元网络和结构化输出等方法。作者既讲述重要的机器学习算法的工作原理和动机，还指出其固有的优势和缺点，是有兴趣了解机器学习理论和方法以及应用的学生和专业人员的良好教材或参考书。

长按二维码了解及购买

《数据挖掘：实用机器学习工具与技术（原书第4版）》

ISBN：978-7-111-58916-7

作 者：[新西兰]伊恩 H. 威腾  埃贝·弗兰克  马克 A. 霍尔   [加]克里斯多夫 J. 帕尔

定 价：99.00元

出版时间：2017/10

内容简介：

本书是数据挖掘和机器学习领域的经典畅销教材，被国内外众多名校选用。第4版新增了关于深度学习和概率方法的重要章节，同时，备受欢迎的机器学习软件Weka也再度升级。书中全面覆盖了该领域的实用技术，致力于帮助读者理解不同技术的工作方式和应用方式，从而学会在工程实践和商业项目中解决真实问题。本书适合作为高等院校相关课程的教材，同时也适合业内技术人员阅读参考。

长按二维码了解及购买

《机器学习：贝叶斯和优化方法（英文版）》

ISBN：978-7-111-56526-0

作 者：[希]西格尔斯?西奥多里蒂斯

定 价：269.00元

出版时间：2017/05

内容简介：

本书对所有主要的机器学习方法和新研究趋势进行了深入探索，涵盖概率和确定性方法以及贝叶斯推断方法。其中，经典方法包括平均/小二乘滤波、卡尔曼滤波、随机逼近和在线学习、贝叶斯分类、决策树、逻辑回归和提升方法等，新趋势包括稀疏、凸分析与优化、在线分布式算法、RKH空间学习、贝叶斯推断、图模型与隐马尔可夫模型、粒子滤波、深度学习、字典学习和潜变量建模等。全书构建了一套明晰的机器学习知识体系，各章内容相对独立，物理推理、数学建模和算法实现精准且细致，并辅以应用实例和习题。本书适合该领域的科研人员和工程师阅读，也适合学习模式识别、统计/自适应信号处理和深度学习等课程的学生参考。

长按二维码了解及购买

《机器学习算法》

ISBN：978-7-111--59513-7

作 者：[意]朱塞佩·博纳科尔索

定 价：69.00元

出版时间：2018/05

内容简介：

本书采用理论与实践相结合的方式，在简明扼要地阐明机器学习原理的基础上，通过大量实例介绍了不同场景下机器学习算法在scikit-learn中的实现及应用。书中还有大量的代码示例及图例，便于读者理解和学习并实际上手操作。另一方面，书中还有很多的延伸阅读指导，方便读者系统性地了解机器学习领域的现有技术及其发展状态。

长按二维码了解及购买

《PaddlePaddle深度学习实战》

ISBN：978-7-111-60046-6

作 者：刘祥龙 杨晴虹 谭中意 蒋晓琳 等

定 价：69.00元

出版时间：2018/06

内容简介：

百度旗下“深度学习技术及应用国家工程实验室”、百度技术学院联合北航人工智能专家共同撰写，行业实践与学术理论兼顾。

李德毅院士、百度公司总裁张亚勤博士、百度公司高级副总裁/AI技术平台体系总负责人王海峰、北京航空航天大学计算机学院教授/博士生导师吕卫锋 、百度技术委员会理事长/百度技术学院院长陈尚义联袂推荐。

长按二维码了解及购买

 《神经网络编程实战:Java语言实现（原书第2版）》

ISBN：978-7-111-60012-1 

作 者：[巴西]法比奥·M. 索尔斯   艾伦· M. F. 索萨

定 价：59.00元

出版时间：2018/06

内容简介：

本书呈现了基于神经网络和Java开发简单及复杂示例的完整过程。首先，你将学习神经网络的基础知识及其学习过程。然后。将集中学习感知器及其特征。接着，你将通过具体示例实现自组织映射。另外，本书还将介绍一些应用，例如天气预测、疾病诊断、客户分析、泛化、极限学习机和光学字符识别(OCR)。最后，你将学习如何优化和调整神经网络。

重点新书

长按二维码了解及购买

《分布式机器学习：算法、理论与实践》

ISBN：978-7-111-60918-6

作 者：刘铁岩 陈薇 王太峰 高飞

定 价：89.00元（暂定）

出版时间：2018/10

名家推荐：

最近几年，机器学习在许多领域取得了前所未有的成功，由此也彻底改变了人工智能的发展方向，引发了大数据时代的到来。其中最富有挑战性的问题是由分布式机器学习解决的。所以，要了解机器学习究竟能够带来什么样前所未有的新机遇、新突破，就必须了解分布式机器学习。刘铁岩博士和他的合作者的这本书，从理论、算法和实践等多个方面对分布式机器学习这个新的重要学科给出了系统、深刻的讨论，对整个机器学习、大数据和人工智能领域都是一个很大的贡献。我看了这本书受益匪浅。相信对众多关注机器学习的工作人员和学生，这也是一本难得的好书。

——中国科学院院士、普林斯顿大学教授、北京大数据研究院院长  鄂维南

 

分布式机器学习并非分布式处理技术与机器学习的简单结合。一方面，它必须考虑机器学习模型构成与算法流程本身的特点，否则分布式处理的结果可能失之毫厘、谬以千里；另一方面，机器学习内含的算法随机性、参数冗余性等，又会带来一般分布式处理过程所不具备的、宜于专门利用的便利。市面上关于机器学习的书籍已有许多，但是分布式机器学习的专门书籍还颇少见。刘铁岩博士是机器学习与信息检索领域的国际著名专家，带领的微软亚洲研究院机器学习研究团队成果斐然。此次他们基于分布式机器学习方面的丰富经验推出《分布式机器学习：算法、理论与实践》一书，将是希望学习和了解分布式机器学习的中文读者的福音，必将有力促进相关技术在我国的推广和发展。

——南京大学教授、计算机科学与技术系主任、人工智能学院院长 周志华

作者简介：

刘铁岩 微软亚洲研究院副院长。刘博士的先锋性研究促进了机器学习与信息检索之间的融合，被国际学术界公认为“排序学习”领域的代表人物。近年来他在深度学习、分布式学习、强化学习等方面也颇有建树，发表论文200余篇，被引用近两万次。多次获得最佳论文奖、最高引用论文奖、Springer十大畅销华人作者、Elsevier 最高引中国学者等。被聘为卡内基-梅隆大学（CMU）客座教授、诺丁汉大学荣誉教授、中国科技大学教授、博士生导师；被评为国际电子电气工程师学会（IEEE）会士，国际计算机学会（ACM）杰出会员。

 

陈薇  微软亚洲研究院机器学习组主管研究员，研究机器学习各个分支的理论解释和算法改进，尤其关注深度学习、分布式机器学习、强化学习、博弈机器学习、排序学习等。陈薇于2011年于中国科学院数学与系统科学研究院获得博士学位，同年加入微软亚洲研究院，负责机器学习理论项目，先后在NIPS、ICML、AAAI、IJCAI等相关领域顶级国际会议和期刊上发表文章。

 

王太峰  蚂蚁金服人工智能部总监、资深算法专家。他在蚂蚁金服负责AI算法组件建设，算法工作服务于蚂蚁金服的支付、国际、保险等多条业务线。在加入蚂蚁之前他在微软亚洲研究院工作11年，任主管研究员，他的研究方向包括大规模机器学习、数据挖掘、计算广告学等。在国际顶级的机器学习会议上发表近20篇的论文，在大规模机器学习工具开源方面也做出过很多贡献，在微软期间主持开发过DMTK的开源项目。

 

高飞  微软亚洲研究院副研究员，主要从事分布式机器学习和深度学习的研究工作，并在国际会议上发表多篇论文。2014年设计开发了当时规模最大的主题模型算法和系统LightLDA。他还开发了一系列分布式机器学习系统，并通过微软分布式机器学习工具包（DMTK）开源在GITHUB上。

---

【你们期待的福利来啦】

动动手指拍抖音就有获得500元奖金的机会！首届华章计算机抖音大赛正在火热进行中，福利多多哦~

▼点击“阅读原文”了解详情▼