2020必读的12本机器学习书籍( 三 ) _机器学习

难度等级：专家

文章插图

本书侧重于概念，而不是概念背后的数学。它收集了有关在多个部门实施统计学习的大量想法。充斥着相关的示例和可视化内容，它应该是任何统计学家或数据挖掘爱好者的图书馆中必不可少的部分。
本书涵盖有监督和无监督的学习，包括支持向量机，分类树，神经网络，Boosting，集成方法，图形模型，光谱聚类，最小角度回归和路径算法等主题。
12. Python Machine Learning
作者：塞巴斯蒂安·拉施卡（Sebastian Raschka）和瓦希德·米哈利利（Vahid Mirjalili）
难度等级：专家

文章插图

假设你已经对Python和机器学习的许多核心概念有深入的了解，那么本书将直接介绍这些概念的实际实现。本书中的概念包括有关NumPy，Scikit学习，TensorFlow2和SciPy的最新解释。这本书通过向你介绍行业中面临的现实挑战，为你准备应对现实挑战。它包括各种主题，例如降维，集成学习，回归和聚类分析，神经网络等。
最终，分类器的性能，计算能力以及预测能力在很大程度上取决于可用于学习的基础数据。训练机器学习算法涉及的五个主要步骤可以概括如下：特征选择。选择性能指标。选择分类器和优化算法。评估模型的性能。调整算法。” ― Sebastian Raschka，Python机器学习
结论
在这些瞬息万变的时代，紧跟这些进步并不断提高自己的技能是必须的。关于机器学习和相关技术，有数百本书，指南和其他在线资源可用。机器学习起初可能会令人吃惊，这就是为什么我们在本文中概述了十本最受欢迎的书，希望其中一些能够引起你的兴趣。
往期精品内容推荐：个人主页点击“私信”，回复关键字“his”获取文章内容。
NLP必读圣经《自然语言处理综述》2020最新版免费分享
DeepMind20年DL课程（带字幕）-CNN与图像识别
神经网络视频/图像渲染相关经典论文、项目、数据集等资源整理分享
文本分类智能标注与海量复杂文本分类——EasyDL产业应用系列·信息智能处理NLP公开课实录
-2020年NLP所有领域最新、经典、顶会、必读论文整理分享
加州理工《数据驱动算法设计》课程(2020)视频及ppt分享
伯克利-《神经技术导论课程2020（带字幕）》课程视频及ppt分享
斯坦福大学《分布式算法与优化》课程(2020)视频及ppt免费分享
2020年免费新书-《自然语言处理中词向量表示算法概述》分享
短小精悍-机器学习核心概念、模型、基础知识点简明手册-免费分享
李宏毅-深度学习(2020)-2-DL与人类语音处理技术概述
DeepMind 2020年新课-《强化学习进阶课程》视频分享
NLP、CV、语音相关AI算法工程师面试问题、代码、简历模板、知识点等资源整理分享
学术论文写作精典-《如何撰写优秀科研论文》书籍分享
多任务学习(Multitask-Learning)相关资料、经典论文、开源代码整理分享

【2020必读的12本机器学习书籍】