资源|28本必读的经典机器学习/数据挖掘书籍（免费下载）

               

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/