写烦了CRUD的代码，要不要来学点AI放松一下？

​

最近黄小斜开始接触了一些算法方面的开工作，于是赶紧找了好些机器学习方面的书籍来看学习，从研发到算法，果然是完全不一样的感觉呀。如果你写代码写腻了，也不妨来学习一下算法方面的知识，从机器学习开始，打开AI学习之路的大门吧。

机器学习实战系列书单

​

机器学习实战

机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。

《机器学习实战》主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

《机器学习实战》通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。

作者简介

Peter Harrington，拥有电气工程学士和硕士学位，他曾经在美国加州和中国的英特尔公司工作7年。Peter拥有5项美国专利，在三种学术期刊上发表过文章。他现在是Zillabyte公司的首席科学家，在加入该公司之前，他曾担任2年的机器学习软件顾问。Peter在业余时间还参加编程竞赛和建造3D打印机。

​

机器学习原理、算法与应用

机器学习是当前解决很多人工智能问题的核心技术，自2012年以来，深度学习的出现带来了人工智能复兴。本书是机器学习和深度学习领域的入门与提高教材，紧密结合工程实践与应用，系统、深入地讲述机器学习与深度学习的主流方法与理论。

本书理论推导与证明详细、深入，结构清晰，详细地讲述主要算法的原理与细节，让读者不仅知其然，还知其所以然，真正理解算法、学会使用算法。对于计算机、人工智能及相关专业的本科生和研究生，这是一本适合入门与系统学习的教材；对于从事人工智能和机器学习产品研发的工程技术人员，本书也具有很强的参考价值。

作者简介

雷明，致力于研发机器学习与深度学习、计算机视觉框架，SIGAI创始人。2009年毕业于清华大学计算机系，获硕士学位，研究方向为机器学习、计算机视觉，发表论文数篇。曾就职于百度公司，任高级软件工程师和项目经理；zmodo/meshare，任CTO与平台研发中心负责人。在机器学习、计算机视觉方向有丰富的学术研究与产品研发经验。

​

scikit-learn 机器学习

机器学习是一个非常热门的技术，本书内容涵盖多种机器学习模型，包括流行的机器学习算法，例如K近邻算法、逻辑回归、朴素贝叶斯、K 均值算法、决策树以及人工神经网络。与此同时，还讨论了数据预处理、超参数优化和集成方法等主题。

阅读完本书之后，读者将学会构建用于文档分类、图像识别、广告检测等任务的系统，还将学到如何使用scikit-learn类库的API从类别变量、文本和图像中提取特征，如何评估模型的性能，并对如何提升模型的性能建立直觉。

除此之外，还将掌握在实践中运用scikit-learn构建高效模型所需的技能，并能够通过实用的策略完成高级任务。

近年来，Python语言成为了广受欢迎的编程语言，而它在机器学习领域也有很好的表现。scikit-learn是一个用Python语言编写的机器学习算法库，它可以实现一系列常用的机器学习算法，是一个好工具。

作者简介

Gavin Hackeling 是一名数据科学家和作家。他研究过各种各样的机器学习问题，包括自动语音识别、文档分类、目标识别、以及语义切分。Gavin Hackeling 毕业于北卡罗来纳大学和纽约大学，目前和他的妻子和猫生活在布鲁克林。

​