一、哪里可以找到圖解機器學習pdf

看看這篇文章能不能幫到你：

二、終極算法：機器學習和人工智能如何重塑世界 pdf 百度網盤

如推薦序的作者所寫的一樣，我是不喜歡“終極”這樣的說法的。但既然本書作者是大牛，這么說也定然有其緣由。且看下去吧。我比較討厭歐美作家寫書的一個特點：很長，很羅嗦。教材的話還好一些，可以稱之為詳細，但科普類的書籍簡直要命。我真的懷疑他們是不是有湊字數的想法。

前面三章實在有點羅嗦，第四章之后就好了，講的內容就實在多了。因為我很早之前，從學習形式語言開始了解符號計算（這是七十年代AI的研究重點），便傾向于符號學派AI，這本書倒是先從這個點切入的，我覺得很好，不會讓人一看到AI，就想到ML，就想到概率統計，就想到優化。如果這么簡單就能實現AI，這與“人工智障”有什么區別。我們一直強調，“人工神經網絡”與大腦中的“神經網絡”并沒有什么關聯，第四、五章講到了這些區別，清晰的指出了，我們需要智能，但智能的運行方式，卻不必類似于我們的大腦。概率并不是我喜歡的部分，因為它沒有辦法幫助推理和證明，第六章講到了此種問題。之后的幾章就比較玄乎了，我覺得沒有什么實在的內容。

雖然這本書在京東”機器學習“排行榜的前端位置，但是，其實并不是給想要學習機器學習并以此工作的人寫的，這是一本科普書，或者類似于夜下閑聊的記錄。如果連教材都沒有時間看，連數學都沒有時間學習，哪兒來的時間看看這個玄而又玄的東西呢

三、機器學習應該看哪些書籍？

1、人工智能編程范例

如果您想接觸最新的人工智能技術，那么 Peter Norvig 寫的人工智能編程范例將非常適合。

這被廣泛認為是有史以來最好的編程書籍之一。實際的寫作風格很容易遵循。它會引導你在學習的過程中自我發現。而且例子也幫助你用最清晰的方式寫出高質量的 LISP 程序。

請注意，在打開這本書之前，作者默認你應該有編程經驗。這并不是說你要成為一個編程方面的專家，但如果你從來沒有寫代碼(或者寫的不太好)，那么你可能在學習的過程中遇到很多困難。

這本書長達 900 多頁，但它仍然是無可爭議學習人工智能這一與機器學習非常相關的主題的最好的資源。

2、傻瓜機器學習

以前，我一直是討厭推薦“For dummies”系列的書籍，因為它們都太過簡單直白。但是，由于這本書的作者都是經驗豐富的數據科學家，我決定破一次例。

即使是零基礎，傻瓜機器學習這本書也能讓讀者快速體驗到機器學習的魅力。盡管書中的例子是用 python 語言寫的，但是其實你并不需要了解 python 的語法。

在本書中，你將了解到機器學習的歷史以及機器學習與人工智能的不同。作者為我們詳盡地講解了每一個知識點。

在讀本書之前，你只需要一些數學和邏輯方面的基本知識，而并不需要編程的經驗。如果你在讀這本書前從沒接觸過算法，可能你會有點痛苦，不過仍然可以做一些互補的研究。

3、機器學習：用算法讓數據說話

Peter Flach 寫的這本機器學習包含了很多機器學習的實際案例。我認為這本書是為中高級開發人員而寫。他們可以用這本書鞏固機器學習方面的基礎知識，因為這本書比其它書更詳細。

用這本書，你將利用機器學習方法來生成，分析和預測統計模型。Peter 闡述了自定義垃圾郵件過濾器如何工作，并且解釋了為何這種方法現在這么火。

從 ROC 分析開始，后面的章節中會比之前深一些。

在每個知識點處，這本書都配有圖形、圖表的說明。機器學習是一個很寬的領域，而 Peter 通過例子的方式，分解了其中主要的部分。

如果你對大數據和機器學習感興趣，那么我極力推薦這本書，但是這有一個前提，那就是你有一定的背景知識。

4、Python 機器學習

在我之前提到的書中，幾乎沒有限定語言的。而這本 Sebastian Raschka 的 450 多頁的書將打破這一記錄。

對于想學習機器學習的 python 開發人員來說，這本是最好的導論。

很多人選擇 python 作為工具是因為 python 語法簡單，功能強大，而且像 scikit-learn 這樣的機器學習類庫眾多。

這本書詳細地講解了 scikit-learn，并引導我們應用它來做數據分析。這本書的作者推崇在編寫算法的同時進行可視化。因此，你不僅能學到如何編寫算法，還能學會對數據進行可視化。

總的來說，這本書偏重技術，但是也不是專門為 python 專家寫的。如果你對 python 語言很熟悉，最好還了解 scikit-learn，那么這本書一定很適合你。

四、有哪些機器學習，圖像識別方面的入門書籍

《learning opencv》，有中文版。用這個入門最快。

《機器學習實戰》，簡單，容易，清晰。

《統計學習方法》，如果想學點理論，將整本書推導一下。

入門這三本就夠了。其他的書都太累太難。PRML和CV廣大無比，深不可測，且常常很無用。

Alpaydin的 Introduction to Machine Learning；

數字圖像處理 第三版 岡薩雷斯等著；

計算機視覺：理論與算法 RichardSzeliski著；

圖像處理，分析與機器視覺 第三版Sonka等著 艾海舟等譯。