哪五本机器学习的免费电子书,最受 KDnuggets 读者喜爱?
编者按:为了迈入机器学习的大门,雷锋网(公众号:雷锋网)已经为读者们分享了不少学习干货,但这些干货推荐又怎么能填补大家的热情?除了上次的视频及论文外,今天雷锋网要推荐的是五本关于机器学习的电子书,而且是免费的!
如果对机器学习有所了解,想必对 KDnuggets 这个网站并不陌生。它们上个月举行了一个机器学习电子书评选,经过网友们的热心票选,得到了一份五大免费书的榜单,雷锋网编译如下,未经许可不得转载。
No.1 机器学习导论(Introduction to Machine Learning)这本不到 170 页的书由斯坦福人工智能教授 Nils J. Nilsson 所著,结合了他在上世纪 90 年代中期的一些研究,对机器学习做了一个初步的介绍。由于成书时间比较古老,所以里面并没有提到现在比较流行的一些新研究发现。但书里所提到的基本概念都是历久弥新的,值得一读。
下载地址:http://ai.stanford.edu/~nilsson/mlbook.html
No.2 理解深度学习:从理论到算法(Understanding Machine Learning: From Theory to Algorithms)听起来有种《从优秀到卓越》的感觉,然而这本书可是耶路撒冷希伯来大学教授Shai Shalev-Shwartz和滑铁卢大学教授ShaiBen-David 所写,这本书相对于第一本推荐书而言更加关注前沿科技,对算法也做了更多的介绍,可以说比较务实。不过,里面有些内容可能对初学者来说有点难,可以当做选读尝试理解一下。
下载地址:http://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/copy.html
No.3 《贝叶斯推理与机器学习》(Bayesian Reasoning and Machine Learning)如果提到贝叶斯推理,想必这本书是最为著名的一本,对概率机器学习感兴趣的人,读它就对了。在亚马逊上,明尼苏达大学的 Arindam Banerjee 在评论里表示,这本书很适合作为介绍读物,供本科高年级学生或研究生了解。
下载地址:http://web4.cs.ucl.ac.uk/staff/D.Barber/pmwiki/pmwiki.php?n=Brml.Online
No.4 《深度学习》(Deep Learning)该书由 Goodfellow、Bengio 和 Courville 一同合著,很快就要出版,不过在官网上有免费的电子版本。这本书的目标读者是学习机器学习专业的本科生及研究生,或是那些已经开始进军深度学习及人工智能产业的人。如果你是一名缺乏机器学习或统计学背景的软件工程师,但希望快速入门并在工作上运用相关技能的话,这本书也可以帮助你。
下载地址:http://www.deeplearningbook.org/
No.5《增强学习:导论》(Reinforcement Learning: An Introduction)Sutton和Barto合著的这部经典教材很快要出第二版纸质书,而网络上也已经有电子版。
AlphaGo作为增强学习的代表,让后者为人所知,而它也成为了实现自动驾驶及其它同类应用的重要技术手段。无可质疑的是,机器学习与增强学习的结合,已经成为实现通用AI的普遍共识。David Tan 在亚马逊是这样评价的:
“该书以翔实的例子和引人入胜的介绍让我们对增强学习有了初步了解。接下来以三章介绍了增强学习的三个概念,并在最后介绍了具体解决方案及算法实例。我认为计算机专业的学生都能读懂,但第八章涉及了一些神经网络的概念,可能相对难一些。”
下载地址在此:https://webdocs.cs.ualberta.ca/~sutton/book/bookdraft2016sep.pdf
五本书的下载地址都已附上,如果对机器学习感兴趣的小伙伴们,赶紧下载来看看吧。
【招聘】雷锋网(公众号:雷锋网)(公众号:雷锋网)坚持在人工智能、无人驾驶、VR/AR、Fintech、未来医疗等领域第一时间提供海外科技动态与资讯。我们需要若干关注国际新闻、具有一定的科技新闻选题能力,翻译及写作能力优良的外翻编辑加入。工作地点深圳。简历投递至 guoyixin@leiphone.com。接收兼职及实习生。
推荐阅读:
干货 | 如何从零学习人工智能?最好的资源都在这里了
干货分享|深度学习零基础进阶第三弹
雷锋网原创文章,未经授权禁止转载。详情见转载须知。
原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/62032.html
aliyuniPhoneLGPhone亚马逊人工智能相关文章
- 机器学习十大经典算法之逻辑回归
- 机器学习概念了解
- 机器学习-支持向量回归
- 机器学习(二):有监督学习、无监督学习和半监督学习
- 机器学习:异常检测和推荐系统
- Python机器学习教程—线性回归的实现(不调库和调用sklearn库)
- 【光电智造】选择最合适机器视觉照明的八个小技巧
- 机器学习入门 3-12 数据加载和简单的数据探索
- 使用机器学习创建自己的Emojis 表情
- 10个机器学习中常用的距离度量方法
- 机器学习中的交叉验证思想
- 机器学习算法:K-NN(K近邻)
- Python人工智能 | 二十一.CNN和Word2Vec中文文本分类详解及与机器学习分类对比
- 马斯克血洗推特!传机器学习裁员90%,团队直接解散
- PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享|附代码数据
- Neuron综述:机器学习在大数据影像研究临床转化中的挑战
- 制作Windows自定义镜像实现新购机器自动设置静态DNS和hostname自动生效无需人为重启机器
- 机器学习训练中常见的问题和挑战!
- 时隔七年的填坑之作:《机器学习数学》书稿PDF免费下载了
- 全日制学生全程免费参会、BERT作者之一亲自授课,2021机器学习暑期学校开放注册
- 火币暂停中国大陆矿机托管服务 机器即日起停电下架
- Linux系统:如何重启机器?(linux系统怎么重启)
- 写给 Python 开发者的 10 条机器学习建议
- 谷歌实验室告诉你,拿什么去拯救机器学习产生的“偏见”?
- IBM 用机器学习寻找外星人,不用再望穿银河秋水
- 谷歌机器学习白皮书全解析 43条黄金法则(二)
- 机器学习小白入门指引,开年也要规划好小目标
- 京东AI研究院梅涛:智能供应链中的机器视觉丨CCF-GAIR 2020
- Nature:机器学习如何在干细胞外观研究中应用?
- 优必选周剑:90%机器人公司会死掉,人形机器人才是星辰大海
- 纽约大学教授谈MR/AR/VR发展趋势,将与机器人、机器学习、计算机视觉多种技术融合