机器学习精讲（异步图书）（Word+PDF+ePub+PPT）
编辑推荐：
“本书是大数据市场翘楚Cloudera公司经验总结，通过案例分析详尽展现了解决问题的全过程，自第1版出版后一直位列亚马逊网站大数据分析类图书前茅。中文版的问世，实在是国内技术圈的幸事。”——苗凯翔，思科中国研发公司CTO，前Cloudera公司副总裁作者介绍：
【作者简介】 桑迪·里扎（Sandy Ryza），Spark项目代码提交者、Hadoop项目管理委员会委员，Time Series for Spark项目创始人。曾任Cloudera公司高级数据科学家，现就职于Remix公司从事公共交通算法开发。 于里·莱瑟森（Uri Laserson），MIT博士毕业，致力于用技术解决遗传学问题，曾利用Hadoop生态系统开发了可扩展的基因组学和免疫学技术。目前是西奈山伊坎医学院遗传学助理教授，曾任Cloudera公司核心数据科学家。 肖恩·欧文（Sean Owen），Spark、Mahout项目代码提交者，Spark项目管理委员会委员。现任Cloudera公司数据科学总监。 乔希·威尔斯（Josh Wills），Crunch项目发起人，现任Slack公司数据工程主管。曾任Cloudera公司高级数据科学总监。 【译者简介】 龚少成 现任万达科技集团数据工程部总经理，清华大学自动化系研究生毕业，国内专注企业级大数据平台建设的先驱者之一，曾经在Intel和Cloudera公司担任大数据技术负责人，Cloudera公司认证大数据培训讲师。 邱鑫 毕业于武汉大学，目前就职于英特尔亚太研发有限公司，是Intel大数据团队高级工程师。主要研究大数据与深度学习技术，是基于Spark的深度学习框架BigDL的核心贡献者。内容介绍：
本书是使用Spark进行大规模数据分析的实战宝典，由知名数据科学家撰写。本书在第1版的基础上，针对Spark近年来的发展，对样例代码和所使用的资料进行了大量更新。新版Spark使用了全新的核心API，MLlib和Spark SQL两个子项目也发生了较大变化，本书为关注Spark发展趋势的读者提供了与时俱进的资料，例如Dataset和DataFrame的使用，以及与DataFrame API高度集成的Spark ML API。 作者段落 "桑迪·里扎 (作者), 于里·莱瑟森 (作者), 肖恩·欧文 (作者), 乔希·威尔斯 (作者), 龚少成 (译者), 邱鑫 (译者) & 3 更多" 图片名 515kxAUWiEL 结束 标题 机器学习精讲（异步图书） 纸质书价格 ￥68.69 电子书价格 ￥28.99 专题 文件大小 10518 KB 纸书页数 出版社 人民邮电出版社有限公司; 第1版 (2020年1月1日) 服务：人工校对0错代录+录完后精校排版 此为收费服务：会收取文档代录之人工费 预估录入后页数：（带目录书签跳转） 请支持正版图书，莫将本服务所得用于非法目的 ✅文档录入及格式制作人工服务，非骗流量 ❤️ 录入后格式：PDF、Word、PPT、ePub、TXT
编辑推荐：
作者完成了一项非常重要但是难度巨大的任务--将所有机器学习内容浓缩到100多页的篇幅中。他选择的主题，无论从理论还是实践角度，都对从业者很有帮助。初学者阅读本书后，可以为读懂更多专业文献打好基础。 Peter Norvig，谷歌研究主任 Artificial Intelligence: A Modern Approach一书的作者之一 本书的篇幅很短，但涵盖了非常广泛的主题，作者并没有省略数学公式。我很欣赏作者用简洁的语言解释核心概念的能力。本书不仅能给入门者以帮助，还能为有一定机器学习基础的读者提供了一个全方位的视角。 Aurélien Géron，高级AI工程师 Hands-On Machine Learning with Scikit-Learn and TensorFlow作者 这是一本精简的机器学习入门手册，我认为它将会成为学习者和从业者的重要参考资料。简短的篇幅使得读者可以快速读完本书。即使如此，本书也涵盖了机器学习的绝大部分内容，从经典的线性和对数概率回归，到现代的支持向量机、深度学习、提升法、随机森林等，本书详细介绍了这些方法。 阅读本书不需要深入了解数学、统计学或者编程知识。本书适合每一位刚开始接触机器学习的博士生阅读。本书通过代码诠释一些算法，所采用的Python语言是机器学习应用中常用的编程语言。如果你是机器学习的初学者，或者是想要扩充知识储备的从业者，我强烈推荐本书。 Gareth James，南加州大学马歇尔商学院统计学教授 An Introduction to Statistical Learning：with Applications in R 作者之一 本书是为那些想要在工作中应用机器学习技术但又没有太多时间去学习的工程师量身打造的。 Deepak Agarwal，LinkedIn人工智能副总监
作者介绍：
作者简介 安德烈·布可夫（Andriy Burkov）是一位机器学习专家，目前居住于加拿大魁北克省。他拥有人工智能博士学位，尤其擅长自然语言处理技术。目前，他是高德纳（Gartner）咨询公司机器学习开发团队的主管。该团队的主要工作是，使用浅层和深度学习技术，开发可用于生产环境的、先进的多语言文字抽取和标准化系统。 译者简介 韩江雷，毕业于新加坡南洋理工大学计算机科学学院，目前担任思爱普公司(新加坡)数据科学家，同时在南洋理工大学攻读博士学位。他的研究方向包括文本分析、数据挖掘以及机器学习的垂直领域应用等。
内容介绍：
内容提要 本书用简短的篇幅、精炼的语言，讲授机器学习领域必备的知识和技能。全书共11章和一个术语表，依次介绍了机器学习的基本概念、符号和定义、算法、基本实践方法、神经网络和深度学习、问题与解决方案、进阶操作、非监督学习以及其他学习方式等，涵盖了监督学习和非监督学习、支持向量机、神经网络、集成学习、梯度下降、聚类分析、维度降低、自编码器、迁移学习、强化学习、特征工程、超参数调试等众多核心概念和方法。全书最后给出了一个较为详尽的术语表。 本书能够帮助读者了解机器学习是如何工作的，为进一步理解该领域的复杂问题和进行深入研究打好基础。本书适合想要学习和掌握机器学习的软件从业人员、想要运用机器学习技术的数据科学家阅读，也适合想要了解机器学习的一般读者参考。
