送书 | 2018年机器学习图书TOP10，双重好礼【第16期】
福利一 赠送10本机器学习书籍【包邮吆】
参与方式： 扫描下方二维码，关注《机器学习成长之路》，回复“送书”即可参与抽奖
开奖时间：12月15号20点整，中奖者可从以下书籍中任选一本。
点击阅读原文即可购买、访问更多书籍
扫码关注《机器学习成长之路》
回复“送书”
参与抽奖
福利二 当当购书优惠，全场五折，实付满200再减30，优惠码获取方式如上
1
《机器学习实战：基于Scikit-Learn和TensorFlow》
作者：[法]奥雷利安·杰龙
出版时间：2018年8月
美国亚马逊“人工智能”图书畅销榜首图书！
通过具体的例子、非常少的理论和两个成熟的Python框架——Scikit-learn 和 TensorFlow 。帮助你直观地理解与掌握构建智能系统的概念和工具。你将学习一系列技术，从简单的线性回归到深度神经网络等。每章的习题帮助你运用学到的知识，你所需要的只是一点编程经验，仅此而已。
通过本书你将学习：
探索机器学习的全景图，特别是神经网络。
使用Scikit-Learn来端到端地建立一个机器学习项目的示例。
探索多种训练模型，包括支持向量机、决策树、随机森林和集成方法。
使用TensorFlow库建立和训练神经网络。
深入神经网络架构，包括卷积网络、递归网络和深度强化学习。
学习训练和伸缩深度神经网络的技巧。
应用可以工作的代码示例，而无须过多的机器学习理论或算法细节。
2
《分布式机器学习：算法、理论与实践》
作者：刘铁岩，陈薇，王太峰，高飞
出版时间：2018年10月
微软亚洲研究院机器学习核心团队潜心力作！鄂维南院士、周志华教授倾心撰写推荐序！
人工智能和大数据时代，分布式机器学习解决了大量最具挑战性的问题，《分布式机器学习：算法、理论与实践》全面分析了分布式机器学习的现状，深入分析其中核心问题，讨论该领域的未来发展方向。
3
《TensorFlow学习指南：深度学习系统构建详解》
作者：[以] 汤姆·奥普
出版时间：2018年6月
面向广泛的技术受众（从数据科学家、工程师到学生和研究人员），本书介绍了TensorFlow的基本原理和实践方法。从TensorFlow中的一些基本示例开始，深入探讨诸如神经网络体系结构、TensorBoard可视化、TensorFlow抽象库和多线程输入管道等主题。阅读本书，你将习得如何使用TensorFlow构建和部署工业级深度学习系统。
通过阅读本书，你将：
轻松愉快地安装并运行TensorFlow。
学习如何使用TensorFlow从头开始构建深度学习模型。
训练流行的计算机视觉和NLP深度学习模型。
使用抽象库来使开发更容易和更快速。
学习如何扩展TensorFlow并使用集群分布式训练模型。
在生产环境中部署TensorFlow。
4
《利用Python进行数据分析（原书第2版）》
作者：[美] 韦斯·麦金尼（Wes McKinney）
出版时间：2018年8月
Python数据分析经典畅销书全新升级！基于Python3.6。
本书主要内容：
全部代码更新
更新到Python3.6版本（第1版中使用的是Python2.7）
更新了Python第三方发布版Anaconda和其他所需Python包的安装指引
更新pandas库到2017年新版
新增关于更多高级pandas工具和一些使用提示
新增statsmodels和scikit-learn的简明使用介绍
新增大量案例
5
《基于深度学习的自然语言处理》
作者：约阿夫·戈尔德贝格（Yoav Goldberg）
出版时间：2018年5月
将深度学习技术应用于自然语言处理的实用指南。
由哈尔滨工业大学NLP核心团队倾心推荐并翻译。
本书系统阐述将深度学习技术应用于自然语言处理的方法和技术，深入浅出地介绍了深度学习的基本知识及各种常用的网络结构，并重点介绍了如何使用这些技术处理自然语言。
6
《Python机器学习（原书第2版）》
作者：塞巴斯蒂安·拉施卡，瓦希德·米
出版时间：2018年12月
本书将机器学习背后的基本理论与应用实践联系起来，通过这种方式让读者聚焦于如何正确地提出问题、解决问题。书中讲解了如何使用Python的核心元素以及强大的机器学习库，同时还展示了如何正确使用一系列统计模型。
在本书第1版的基础上，作者对第2版进行了大量更新和扩展，纳入最近的开源技术，包括scikit-learn、Keras和TensorFlow，提供了使用Python构建高效的机器学习与深度学习应用的必要知识与技术。
通过阅读本书，你将学到：
探索并理解数据科学、机器学习与深度学习的主要框架
通过机器学习模型与神经网络对你的数据提出新的疑问
在机器学习中使用最近Python开源库的强大功能
掌握如何使用TensorFlow库来实现深度神经网络
在可访问的Web应用中嵌入你的机器学习模型
使用回归分析预测连续目标的结果
使用聚类发现数据中的隐藏模式与结构
使用深度学习技术分析图片
使用情感分析深入研究文本与社交媒体数据
7
《Python深度学习：基于TensorFlow》
作者：吴茂贵，王冬，李涛，杨本法
出版时间：2018年10月
Python是目前人工智能领域普遍使用的基础性技术和工具，TensorFlow是当下主流的深度学习框架，本书基于Python和TensorFlow，从理论到实践，是一本全栈式的深度学习指南，书中基础和理论讲解全面，原理和拓展分析深入，应用和实践也极具实战性，是多位人工智能和大数据领域的专家多年经验的结晶。
8
《Python数据科学：技术详解与商业实践》
作者：常国珍，赵仁乾
出版时间：2018年7月
这是一本以Python为工具，以商业实战为导向的数据科学家养成手册，从技术、业务、商业实战3个维度为有志成为数据科学家的读者提供了系统化的学习路径。
3位作者是数据科学和金融领域的资深专家，不仅技术精湛、经验丰富，而且在本书的写作上也颇下功夫：首先，将数学和算法等复杂的技术用图形化的方式来展现，尽可能降低读者的理解难度；其次，本书不是一本教科书或案例集，而是针对数据科学家的能力模型提供系统化的解决方案。
9
《统计机器学习导论》
作者：[日] 杉山将
出版时间：2018年5月
本书对机器学习的关键知识点进行了全面讲解，帮助读者顺利完成从理论到实践的过渡。书中首先介绍用于描述机器学习算法的统计与概率的知识，接着详细分析机器学习技术的两类主要方法——生成方法和判别方法，后深入研究了如何使机器学习算法在实际应用中发挥更大的作用。
本书提供程序源代码，便于读者进行数据分析实践。本书适合高等院校计算机、统计等专业的研究生和高年级本科生阅读，同时也适合相关领域的技术人员参考。
10
《深度学习之TensorFlow：入门、原理与进阶实战》
作者：李金洪
出版时间：2018年2月
磁云科技创始人/京东终身荣誉技术顾问李大学推荐。创客总部/创客共赢基金合伙人李建军推荐。
一线研发工程师以14年开发经验的视角全面解析TensorFlow应用，涵盖数值、语音、语义、图像等多个领域96个有较高应用价值的深度学习案例。赠送12套同步配套教学视频 + 113套源代码文件（带配套样本）。
内容全面，应用性强，从有监督学习到半监督学习，从简单的数据分类到语音、语言和图像分类乃至样本生成等一系列前沿技术，均有介绍。语言通俗易懂，拒绝生僻的术语，拒绝生僻的公式符号，落地性强。
穿插了几十个需要读者注意的知识要点和难点，分享作者积累的宝贵经验。
推荐阅读