机器学习:实用案例解析 Machine Learning for Hackers
译者: 陈开江, 刘逸哲, 孟晓楠 与其他类似书籍相比，本书篇幅较短。但是对每个涉及的主题都进行了深入探讨。为了加强理解，作者还通过例子，在解决问题的同时解释了基础方法。对于想要学习机器学习的人群来说，本书值得一读。 数据科学:理论、方法与 R 语言实践 Practical Data Science with R
译者： 于戈, 鲍玉斌, 王大玲 顾名思义，本书注重在现实生活中使用数据科学。本书与众不同之处在于，上述其他书籍均未讨论模型构建，模型的部署在现实问题中面对的挑战。本书作者的关注点始终没有偏离构建机器学习的理论与现实世界影响之间的联系。对尚未进入分析行业的人士来说，推荐阅读本书。 数据科学之 Python 掌握 Python 进行数据科学 Mastering Python for Data Science
本书首先介绍了 Numpy 和 Pandas 的数据结构，并描述从各种来源将数据导入到这些结构中。你将学习在 Python 中执行线性代数，并通过使用推论统计进行分析。同时本书着重构建推荐引擎，使用 Python 进行高端可视化，集体建模等先进概念。 利用 Python 进行数据分析 Python for Data Analysis
译者：唐学韬 想通过学习 Python 进行数据分析？作者 Wes McKinney 是 Python 库—— pandas 的主要开发者。本书内容详实，涵盖了通过 Python 进行数据分析的各方面内容，如：操作，处理，清理，可视化和处理数据等。如果你是使用 Python 进行数据科学的新手，那么本书不可错过。 Python 机器学习入门 Introduction to Machine Learning with Python
本书旨在帮助初学者开始进行机器学习。本书教你从零开始，利用 Python scikit-learn 建立机器学习模型。本书适合之前没有接触过 Python 和机器学习的人群。此外，它还涵盖了模型评估和参数调优的高级方法，使用文本数据的方法，以及文本特定的处理技术等。 Python 机器学习 Python Machine Learning
译者：高明 , 徐莹, 陶虎成 这是迄今为止我所看过的，机器学习在 Python 方面最全面的书之一。作者解释了关于机器学习的详尽内容，他通过例子逐步解释概念。本书涵盖了神经网络，聚类，回归，分类，集成等主题。 用 Python 构建机器学习系统 Building Machine Learning Systems with Python
译者：刘峰 在本书，作者先从基础开始，接着通过项目解释概念，最终附上总结，循循渐进。推荐这本书给使用 Python 进行机器学习的零基础人群。它涵盖了图像处理，推荐引擎，情感分析等主题，易于理解和实际运用。 利用 Python 进行高级机器学习 Advanced Machine Learning with Python
本书适合每个机器学习爱好者阅读。本书能够让你掌握机器学习的基础技术知识，自动编码器，功能工程技术，集成等。同时也重视机器学习的理论和实践。 集体智慧编程 Programming Collective Intelligence
译者：莫映, 王开福 本书有个有趣的标题的书名。书中介绍了一些机器学习的算法，如 SVM，树，聚类，优化等，并使用有趣的例子。这本书最适合使用 Python 进行机器学习的的新手。某些章节还附有练习，能够帮助更好的理解。 12 |
