寫煩了CRUD的代碼，要不要來學點AI放松一下？

​

最近黃小斜開始接觸了一些算法方面的開工作，于是趕緊找了好些機器學習方面的書籍來看學習，從研發到算法，果然是完全不一樣的感覺呀。如果你寫代碼寫膩了，也不妨來學習一下算法方面的知識，從機器學習開始，打開AI學習之路的大門吧。

機器學習實戰系列書單

機器學習實戰

機器學習是人工智能研究領域中一個極其重要的研究方向，在現今的大資料時代背景下，捕獲資料并從中萃取有價值的資訊或模式，成為各行業求生存、謀發展的決定性手段，這使得這一過去為分析師和數學家所專屬的研究領域越來越為人們所矚目。

《機器學習實戰》主要介紹機器學習基礎，以及如何利用算法進行分類，并逐漸介紹了多種經典的監督學習算法，如k近鄰算法、樸素貝葉斯算法、Logistic回歸算法、支援向量機、AdaBoost內建方法、基于樹的回歸算法和分類回歸樹（CART）算法等。第三部分則重點介紹無監督學習及其一些主要算法：k均值聚類算法、Apriori算法、FP-Growth算法。第四部分介紹了機器學習算法的一些附屬工具。

《機器學習實戰》通過精心編排的執行個體，切入日常工作任務，摒棄學術化語言，利用高效的可複用Python代碼來闡釋如何處理統計資料，進行資料分析及可視化。通過各種執行個體，讀者可從中學會機器學習的核心算法，并能将其運用于一些政策性任務中，如分類、預測、推薦。另外，還可用它們來實作一些更進階的功能，如彙總和簡化等。

作者簡介

Peter Harrington，擁有電氣工程學士和碩士學位，他曾經在美國加州和中國的英特爾公司工作7年。Peter擁有5項美國專利，在三種學術期刊上發表過文章。他現在是Zillabyte公司的首席科學家，在加入該公司之前，他曾擔任2年的機器學習軟體顧問。Peter在業餘時間還參加程式設計競賽和建造3D列印機。

機器學習原理、算法與應用

機器學習是目前解決很多人工智能問題的核心技術，自2012年以來，深度學習的出現帶來了人工智能複興。本書是機器學習和深度學習領域的入門與提高教材，緊密結合工程實踐與應用，系統、深入地講述機器學習與深度學習的主流方法與理論。

本書理論推導與證明詳細、深入，結構清晰，詳細地講述主要算法的原理與細節，讓讀者不僅知其然，還知其是以然，真正了解算法、學會使用算法。對于計算機、人工智能及相關專業的大學生和研究所學生，這是一本适合入門與系統學習的教材；對于從事人工智能和機器學習産品研發的工程技術人員，本書也具有很強的參考價值。

雷明，緻力于研發機器學習與深度學習、計算機視覺架構，SIGAI創始人。2009年畢業于清華大學計算機系，獲碩士學位，研究方向為機器學習、計算機視覺，發表論文數篇。曾就職于百度公司，任進階軟體工程師和項目經理；zmodo/meshare，任CTO與平台研發中心負責人。在機器學習、計算機視覺方向有豐富的學術研究與産品研發經驗。

scikit-learn 機器學習

機器學習是一個非常熱門的技術，本書内容涵蓋多種機器學習模型，包括流行的機器學習算法，例如K近鄰算法、邏輯回歸、樸素貝葉斯、K 均值算法、決策樹以及人工神經網絡。與此同時，還讨論了資料預處理、超參數優化和內建方法等主題。

閱讀完本書之後，讀者将學會建構用于文檔分類、圖像識别、廣告檢測等任務的系統，還将學到如何使用scikit-learn類庫的API從類别變量、文本和圖像中提取特征，如何評估模型的性能，并對如何提升模型的性能建立直覺。

除此之外，還将掌握在實踐中運用scikit-learn建構高效模型所需的技能，并能夠通過實用的政策完成進階任務。

近年來，Python語言成為了廣受歡迎的程式設計語言，而它在機器學習領域也有很好的表現。scikit-learn是一個用Python語言編寫的機器學習算法庫，它可以實作一系列常用的機器學習算法，是一個好工具。

Gavin Hackeling 是一名資料科學家和作家。他研究過各種各樣的機器學習問題，包括自動語音識别、文檔分類、目辨別别、以及語義切分。Gavin Hackeling 畢業于北卡羅來納大學和紐約大學，目前和他的妻子和貓生活在布魯克林。