今天推薦的圖書專注機器學習主題，一共7本，都是經過實踐檢驗的好書——《機器學習》《圖解機器學習》《機器學習實戰》《機器學習系統設計》《Spark機器學習》《Mahout實戰》《機器學習實踐：測試驅動的開發方法》。點擊圖書名或封面試讀。
PS：《機器學習》是新書，剛剛上市，英文版評價非常棒，【閱讀原文】放上了京東的購買鏈接。
本文選自“圖靈教育”微信，關注我們的微信有贈書活動，不要錯過哦~
★ 入門1：全面經典 ★
- 被譽為內容最全面的機器學習指南
- Machine Learning期刊總編Peter Flach力作
- 數百個精選實例和解說性插圖
- 匯集所有用于理解、挖掘和分析數據的先進方法
作者：Peter Flach
譯者：段菲
頁數：312
原書名：Machine Learning: The Art and Science of Algorithms that Make Sense of Data
《機器學習》是迄今市面上內容最為全面的機器學習教材之一，書中匯集了所有用于理解、挖掘和分析數據的先進方法，并且通過數百個精選實例和解說性插圖，直觀而準確地闡釋了這些方法背后的原理，內容涵蓋了機器學習的構成要素和機器學習任務、邏輯模型、幾何模型、統計模型，以及矩陣分解、ROC分析等時下熱點話題。
★ 入門2：最易上手 ★
- 最簡單的機器學習入門書，187張圖輕松入門
- 覆蓋機器學習中最經典、用途最廣的算法
- 提供可執行的Matlab程序代碼
作者：杉山將
譯者：許永偉
頁數：240
原書名：イラストで學ぶ 機械學習
《圖解機器學習》用豐富的圖示，從最小二乘法出發，對基于最小二乘法實現的各種機器學習算法進行了詳細的介紹。第Ⅰ部分介紹了機器學習領域的概況；第Ⅱ部分和第Ⅲ部分分別介紹了各種有監督的回歸算法和分類算法；第Ⅳ部分介紹了各種無監督學習算法；第Ⅴ部分介紹了機器學習領域中的新興算法。書中大部分算法都有相應的MATLAB程序源代碼，可以用來進行簡單的測試。
★ 實戰1：最受歡迎 ★
- 最暢銷機器學習圖書
- 介紹并實現機器學習的主流算法
- 面向日常任務的高效實戰內容
作者：Peter Harrington
譯者：李銳 李鵬 曲亞東 王斌
頁數：332
原書名：Machine Learning in Action
《機器學習實戰》通過精心編排的實例，切入日常工作任務，摒棄學術化語言，利用高效的可復用Python代碼來闡釋如何處理統計數據，進行數據分析及可視化。通過各種實例，讀者可從中學會機器學習的核心算法，并能將其運用于一些策略性任務中，如分類、預測、推薦。另外，還可用它們來實現一些更高級的功能，如匯總和簡化等。
★ 實戰2：必應團隊教你ML系統設計 ★
- 微軟Bing核心團隊成員推出
- 聚焦算法編寫和編程方式
- 結合大量實例學會解決實際問題
作者：Willi Richert，Luis Pedro Coelho
譯者：劉峰
頁數：224
原書名：Building Machine Learning Systems with Python
《機器學習系統設計》將向讀者展示如何從原始數據中發現模式，首先從Python與機器學習的關系講起，再介紹一些庫，然后就開始基于數據集進行比較正式的項目開發了，涉及建模、推薦及改進，以及聲音與圖像處理。通過流行的開源庫，我們可以掌握如何高效處理文本、圖片和聲音。同時，讀者也能掌握如何評估、比較和選擇適用的機器學習技術。
★ 實戰3：Spark + ML ★
- 當機器學習遇上最流行的并行計算框架Spark
- 以機器學習算法為主線，結合實例探討Spark的實際應用
作者：Nick Pentreath
譯者：蔡立宇 黃章帥 周濟民
頁數：240
原書名：Machine Learning with Spark
《Spark機器學習》介紹Spark的基礎知識，從利用Spark API來載入和處理數據，到將數據作為多種機器學習模型的輸入。此外還通過詳細的例子和現實應用講解了常見的機器學習模型，包括推薦系統、分類、回歸、聚類和降維。最后還介紹了一些高階內容，如大規模文本數據的處理，以及Spark Streaming下的在線機器學習和模型評估方法。
★ 實戰4： Mahout ML ★
- Apache基金會官方推薦
- Mahout核心團隊權威力作
- 大數據時代機器學習的實戰經典
作者：Sean Owen，Robin Anil等
譯者：王斌 韓冀中 萬吉
頁數：340
原書名：Mahout in Action
《Mahout實戰》Mahout作為Apache的開源機器學習項目，把推薦系統、分類和聚類等領域的核心算法濃縮到了可擴展的現成的庫中。使用Mahout可以在自己的項目中應用亞馬遜、Netflix等公司的機器學習技術。
★ 實戰5：Test-Driven實踐 ★
- 用測試驅動方法開發出可靠、穩定的機器學習算法
- 利用機器學習技術解決涉及數據的現實問題
作者：Matthew Kirk
譯者：段菲
頁數：204
原書名：Thoughtful Machine Learning: A Test-Driven Approach
《機器學習實踐：測試驅動的開發方法》每一章都通過示例介紹了機器學習技術能夠解決的有關數據的具體問題，以及求解問題和處理數據的方法。具體涵蓋了測試驅動的機器學習、機器學習概述、K 近鄰分類、樸素貝葉斯分類、隱馬爾可夫模型、支持向量機、神經網絡、聚類、核嶺回歸、模型改進與數據提取等內容。
