全球人工智能
机器学习/数据挖掘
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:http://www-bcf.usc.edu/%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:http://statweb.stanford.edu/%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:http://camdavidsonpilon.github.io/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/
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:http://greenteapress.com/