1. Home
  2. 读书知识

机器学习、数据挖掘、计算机视觉等领域经典书籍推荐

《DataMining: Practical Machine Learning Tools and Techniques》,第二版,Witten著,介绍了机器学习的基本理论和实践方法,并提供了一个公开的数据挖掘工作平台Weka,算法部分介绍得很详细。 《统计学习方法》,李航著,国内很多大学都在用这本书,本书从具体问题入手,由浅入深,简明地介绍了统计学习的主要方法,适合初学者而又想对统计学习理论有一个全局理解的学生。

人工智能、机器学习、模式识别、计算机视觉、数据挖掘、信息检索、自然语言处理等作为计算机科学重要的研究分支,不论是学术界还是工业界,有关这方面的研究都在如火如荼地进行着,学习这些方面的内容有一些经典书籍,现总结如下,方便自己和大家以后学习研究:

机器学习、数据挖掘、计算机视觉等领域经典书籍推荐

人工智能:

《Artificial Intelligence: A Modern Approach》,第三版,Russell著,权威、经典的人工智能教材,阐述了人工智能的核心内容,反映了人工智能最近10年来的新进展。

《ProgrammingCollective Intelligence》,Toby Segaran著,本书将带你进入机器学习和统计学的世界,对算法的描述简明清晰,很对代码都可以直接拿去实际应用。

数据挖掘:

《DataMining, Concepts and Techniques》,第三版,Han著,数据挖掘领域最具里程碑意义的经典著作。

《DataMining: Practical Machine Learning Tools and Techniques》,第二版,Witten著,介绍了机器学习的基本理论和实践方法,并提供了一个公开的数据挖掘工作平台Weka,算法部分介绍得很详细。

信息检索:

《An Introductionto Information Retrieval》,Manning著,这是一本介绍信息检索的入门书籍,书中对信息检索的基本概念和基本算法做了介绍,适合初学者。

《Search Engines Information Retrieval in Practice》,Croft著,这本书讲述了搜索引擎的构造方法,通过实际代码展示了搜索引擎的工作原理,对于学生和从事相关领域的工程师,本书都值得一看。

《Information Theory:Inference and Learning Algorithms》

模式识别和机器学习:

《Pattern Classification 》,第二版,Duda著,模式识别的奠基之作,但对SVM、Boosting几乎没提,有挂一漏万之嫌。

《Pattern Recognition and Machine Learning》,Bishop著,侧重概率模型,详细介绍了Bayesian方法、有向图、无向图理论等,体系完备。

《Kernel Methods for Pattern Analysis》,John Shawe-Taylor著,SVM等统计学的诸多工具里都用到了核方法,可以将将低维非线性空间映 高维的线性空间中,但同时会引入高维数据的难题。

计算机视觉:

《Computer Vision: A Modern Approach》,第二版,Forsyth著,一本不错的计算机视觉教材,全书理论联系实际,并加入了计算机视觉领域的最新研究成果。

《Computer Vision: Algorithms and Applications》,Richard Szeliski的大作,《数字图像处理》课程老师推荐的一本书籍,这本书我还没有看完,书中对计算机视觉领域最新的一些算法进行了汇编,包括图像分割,特征检测和匹配,运动检测,图像缝合,3D重建,对象识别等图像处理的诸多方面,借助本书我们可以对最新主流图像处理算法有个全局把握。

线性代数:

《Linear Algebra and Its Applications》Fourth Edition, Gilbert Strang的著作,本书详细介绍了向量空间、线性变换、本征值和本征向量等线性代数的重要基本概念,把抽象的线性空间形象地表达出来,适合初学者。

《Introduction to Probability Models》第10版,Ross著,一本书能够发行到第十版,你说是不是很经典呢?

离散数学:

《Discrete Mathematics and Its Applications》,第六版,Rosen著,本书囊括了离散数学推导、组合分析、算法及其应用、计算理论等多方面的内容,适合初学者。

矩阵数学:

《Matrix Analysis》,Horn著,本书无疑是矩阵论领域的经典著作了,风行几十年了。

概率论与数理统计:

《All Of Statistics》,Wasserman著,一本数理统计的简介读本。

《Introductionto Mathematical Statistics》,第六版,Hogg著,本书介绍了概率统计的基本概念以及各种分布,以及ML,Bayesian方法等内容。

《Statistical Learning Theory》Vapnik的大作,统计学界的权威,本书将理论上升到了哲学层面,他的另一本书《The Nature ofStatistical Learning Theory》也是统计学习研究不可多得的好书,但是这两本书都比较深入,适合有一定基础的读者。

《统计学习方法》,李航著,国内很多大学都在用这本书,本书从具体问题入手,由浅入深,简明地介绍了统计学习的主要方法,适合初学者而又想对统计学习理论有一个全局理解的学生。

《The Elements of Statistical Learning-Data Mining, Inference, and Prediction》,第二版,Trevor Hastie著,机器学习方面非常优秀的一本书,较PC和PRML,此书更加深入,对工程人员的价值也许更大一点。

《AnIntroduction to Probabilistic Graphical Models》,Jordan著,本书介绍了条件独立、分解、混合、条件混合等图模型中的基本概念,对隐变量(潜在变量)也做了详细介绍,相信大家在隐马尔科夫链和用Gaussian混合模型来实现EM算法时遇到过这个概念。

《Probabilistic Graphical Models-Principles and Techniques》,Koller著,一本很厚很全面的书,理论性很强,可以作为参考书使用。

最优化方法:

《Convex Optimization》,Boyd的经典书籍,被引用次数超过14000次,面向实际应用,并且有配套代码,是一本不可多得的好书,网址http://www.stanford.edu/~boyd/cvxbook/。

《Numerical Optimization》,第二版,Nocedal著,非常适合非数值专业的学生和工程师参考,算法流程清晰详细,原理清楚。

另外推荐几个博客和网站:

https://www.coursera.org/,这是一个由世界顶级大 合创办的网上在线视频公开课网站,里面有stanford, MIT,CMU等计算机科学一流大学提供的免费教学视频,内容全面,计算机科学方面的资源较网易视频公开课网站(http://open.163.com/)内容要新、要全。

http://blog.pluskid.org/,这是浙大学生张驰原的博客网站,现在他去了MIT,博客里面的很多资源都值得一看,博文的很大一部分都是关于机器学习的,加入了作者自己的理解,深入浅出。

原文链接:https://www.cnblogs.com/caikehe/archive/2013/01/12/2858014.html

你可能感兴趣

数据挖掘、数据分析的书籍推荐

这篇博客主要总结一下数据挖掘、数据分析领域相关书籍,主要参考了知乎上的问题在数据分析、挖掘方面,有哪些好书值得推荐。
首先推荐周志华写的机器学习。
我最近也在读这本书,优点是适合入门,知识大而全,缺点是每个知识点介绍的不深入(这也没办法,要是面面俱到,一本书根本写不完)。
Machine Learning。
Bayesian学派的书,里面的内容非常多,有一张图将机器学习中设计算法的关系总结了一下,很棒。

史上最系统的算法与数据结构书籍推荐!!!!!吐血整理!!

史上最系统的算法与数据结构书籍推荐!!!!!吐血整理!! 前言:技术书阅读方法论 一.速读一遍(最好在1~2天内完成) 人的大脑记忆力有限,在一天内快速看完一本书会在大脑里留下深刻印象,对于之后复习以及总结都会有特别好的作用。 对于每一章的知识,先阅读标题,弄懂大概讲的是什么主题,再去快速看一遍,不懂也没有关系,但是一定要在不懂的地方做个记号,什么记号无所谓,但是要让自己后面再看的时候有个提醒的作用,看看第二次看有没有懂了些。 二.精读一遍(在2周内看完) 有了前面速读的感觉,第二次看会有慢慢深刻了思想和意识的作用,具体为什么不要问我,去问30年后的神经大脑专家,现在人类可能还没有总结出为什

有哪些值得推荐的好的算法书?

经典算法算法设计这是一本关于算法设计和分析的经典教材。本书围绕算法设计进行组织,对每种算法技术用多个典型范例进行分析,把算法的理论跟实际问题结合起来,具有很大的启发性。本书侧重算法设计思路,每章都从实际问题出发,经过深入具体的分析引出相应算法的设计思想,并对算法的正确性和复杂性进行合理的分析和论证。本书覆盖面广,且含有200多道精彩的习题,最后还扩展了PSPACE问题、参数复杂性等内容。本书的目标是将这种方法带入算法研究,作为一个设计过程,它始于各种计算应用程序中 出现的问题,构建在对算法设计技术理解的基础之上,最终得到这些问题的有效解决方案。我 们试图探讨算法思想在计算机科学中的作用,并将这

学人工智能看什么书?AI入门书籍推荐

对于零基础新手想要人工智能入门的第一步,应该是多看基本大师的书,对人工智能有一个初步的系统的了解。AI看什么书?下面我将给大家推荐五本人工智能入门书籍,虽然不算多但贵在精,相信大家看完这五本书就足以入门了。学人工智能看什么书?1、《人工智能:一种现代的方法》(Artificial Intelligence: A Modern Approach)介绍:作者为Stuart Russell和Peter Norvig。Russell,加州大学伯克利分校的计算机科学教授,发表了100多篇关于人工智能的论文。Norvig 现为谷歌研究总监,美国人工智能协会的创始会员之一,ACM院士。推荐理由:人工智能领域

机器学习书籍推荐

机器学习(Machine Learning, ML)无疑是目前计算机领域最热门的方向了。机器学习专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、线性代数等多门学科。下面罗列了机器学习的经典书单,分享给有志于成为机器学习大牛的各位。本书把高深的数学原理讲得通俗易懂,让非专业读者也能领略数学的魅力。读者通过具体的例子学到的是思考问题的方式 —— 如何化繁为简,如何用数学去解决工程问题,如何跳

人工智能必读书籍推荐—“花书”/计算机视觉/深度学习书籍

导读:悟已往之不谏,知来者之可追人工智能(英语:Artificial Intelligence,缩写为AI)亦称智械、机器智能,指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。 人工智能一直是一大潮流趋势!许许多多的程序员都选择了转行到人工智能这一行,还有人工智能也很受研究生们的青睐,以下就是我给大家推荐的书籍。小编有超详细的人工智能必读的电子书籍,详细的可以看文末 第一本书籍推荐就是《深度学习》 一部AI“圣经”图灵奖获得者倾力打造的,深度学习奠基之作,长期位居美国亚马逊AI和机器学习类图书榜首!所有数据科学家和机器学习从业者的必读图书!(中英

机器学习推荐书籍

机器学习周志华:《机器学习》李航:《统计学习方法》图灵程序设计丛书:《机器学习实战》机械工业出版社:《机器学习实战:基于Scikit-Learn和TensorFlow 》 
机械出版社的那本,其机器学习算法主要通过python依赖包sklearn实现。
数据类《Python数据科学手册》 
这本书我觉得也很棒,里面有python依赖包numpy,pandas,matplotlib和一些机器学习的算法的实现。

适合程序员读的书籍有哪些

程序员们常常需要阅读一些有关技术方面的书籍,以便提升自己的技能。
本文将列举一些适合程序员阅读的书籍。
程序员必读的书不仅仅是技术书,还有一些其他的书籍,比如《编程珠玑》、《代码大全》、《算法导论》等。
这些书籍都是程序员必备的书籍,可以帮助程序员更好地学习编程。
对于程序员来说,适合转行的书籍非常多。
那么,适合程序员读的书籍有哪些呢?
1.《C++ Primer Plus》作者:Stephen PrataC++ Primer Plus是一本介绍C++的书籍,适合初学者。
以上是一些适合程序员阅读的书籍。

SLAM从入门到放弃——学习SLAM 学习机器人 书籍推荐

《概率机器人》 《概率机器人》对概率机器人学这一新兴领域进行了全面的介绍。概率机器人学依赖统计技术表示信息和进行决策,以容纳当今大多数机器人应用中必然存在的不确定性,是机器人学的一个分支。它依赖统计技术表示信息和制定决策。这样做,可以接纳在当今大多数机器人应用中引起的不确定性。本书主要专注于算法,对于每种算法,均提供了四项内容:伪码示例;完整的数学推导;实验结果;算法优缺点的详细讨论。下载:https://pan.baidu.com/s/1lq12TXWMvhjVCc117ceB2Q《视觉SLAM十四讲:从理论到实践》 《视觉SLAM十四讲:从理论到实践》系统介绍了视觉SLAM(同时定位与地

阅读推荐 | 值得一看的十本泛安全技术书籍

阅读是技术人员提升专业能力的有效方式之一,特别是对于从事网络安全行业的人员,广泛的知识储备会更有利于应对各种突发的安全事件。如果您对当 行的热点技术或不断发展的新兴技术感兴趣,本文所推荐的10本书籍非常值得您阅读,将促进您对未来信息技术发展,以及企业所面临的安全发展和风险挑战进行重新思考。1.《计算与技术伦理》《Computing and Technology Ethics》作者:Emanuelle Burton、Judy Goldsmith、Nicholas Mattei等书籍简介:从通讯到旅行再到医疗,计算技术正在改变着我们的日常生活。本书以科幻小说为案例,研究计算技术发展中的伦理性分歧

原创文章,作者:xyhun,如若转载,请注明出处:https://www.xyhun.com/7475.html

Contact Us

邮件:294438279@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code