实用机器学习 pdf下载

苏尼拉·格拉普蒂著的《实用机器学习/数据科学与工程技术丛书》探索了一系列广泛应用的机器学习技术，用实际例子揭示常见数据中隐藏的处理技巧。虽然机器学习是高度理论性的，但是本书提供了一种令人耳目一新的实操方法，同时也没有忽略底层原理。
本书涵盖当前靠前的数据科学语言（如Python和R）、被低估但很好强大的Julia，以及一系列大数据平台（包括Spark、Hadoop和Mahout等）。实用的机器学习技术是现代数据科学家掌握机器学习应用的重要资源。
本书还探讨了机器学习的前沿进展，提供了一些关于深度学习和强化学习的范例和指导原则，完美演绎实操过程及算法原理。

前言从结构复杂的海量数据集中探索数据蕴含的意义，是日益增长的现实需求。机器学习与预测分析技术是进行此类探索的重要工具。机器学习利用历史数据集，提取其中蕴含的模式，在不断的迭代中提升预测效果。机器学习能发现数据中隐含的动态趋势、模式及关系，这对业务增长非常重要。    在本书中，读者不仅仅能学到机器学习的基本知识，同时也能了解到现实世界的数据复杂性，然后使用Hadoop及其生态系统软件来处理和管理结构化及非结构化数据。    主要内容第1章介绍机器学习的基本概念及其常见语义。通过一些简单的术语来定义机器学习。本章是其余章节的基础。    第2章探索大规模数据集，包括其公共特性、数据重复问题、数据量快速增长的原因，以及如何处理大数据。   &nb等