2017读过的书(不断更新)

Posted BigJelly

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了2017读过的书(不断更新)相关的知识,希望对你有一定的参考价值。

此随笔记录自己读过的,并且自己认为有所价值,有所感悟的书籍

ps: {e} 有电子书 ,{p} 有实体书 

更新 11月底

数据天才:数据科学家的修炼之道  

7月(来到杭电)

{p}Tensorflow:实战Google深度学习框架 关于TensorFlow的介绍性书籍  这本书与下本书相结合,可以在简单理解原理的情况下,搭建深度学习网络     两本书切入角度略有不同,需要互相借鉴着看  【三星】

{p}TensorFlow实战  关于TensorFlow的介绍性书籍  【三星】

{p}模式识别与机器学习 PRML  神书不解释,中文版与英文版都已购入,但是阅读后才能发现自己的理论层次离阅读这本书,还有几个层次的间隔,前半部分关于概率与统计的部分,写的很好,由浅入深,结合了机器学习的理论  【四星半】

{p}机器学习实战  良心入门书,结合理论来进行编程实践,尺度把握很好,没有过多的偏于理论,适合在实现和应用角度来看待这些常用的基本算法,值得一读  【四星】

{p}python大战机器学习 数据科学家的第一个小目标   一本精华笔记,从理论(摘抄自cs229,周志华机器学习,李航统计学习方法)到实践(摘抄自python sklearn 的官方文档),但是总结的另有新意,值得一看  【三星半】

{p}python机器学习与实践 从零开始通往kaggle竞赛之路     重点放在kaggle竞赛上面,偏向于实践 可以读读  【三星】

{p}集体智慧编程  从web应用入手,从实际问题出发,介绍了推荐系统,聚类算法,神经网络,优化算法,决策树,knn,svm 遗传编程等传统算法 与 实际业务结合的书,虽然没有特别高深的算法,但是因其切入角度,特定章节模块值得一读  【三星半】

{python机器学习 预测分析核心算法}  重点关注两类算法,惩罚线性回归 与 集成方法 ,本书分为三部分,1.对于机器学习与数据问题的概述 2.最小二乘法到惩罚线性回归  3.决策树到随机深林  重点讲解两类算法,有两点 ,值得一看  【三星半】

{p}数学之美  推荐,一本无须多说的好书,将大部分人心目中毫无用处 的数学描绘的美丽动人  【五星】

{p}贝叶斯方法:概率编程与贝叶斯推断     首先从计算和理解的角度,而后从数学分析的角度对贝叶斯推断进行了介绍。值得一读    【三星半】

 

1月-6月

{p}数据挖掘导论  [状态:未读]  [类型:数据挖掘教程书]  数据挖掘方面接触尚少,没有系统的进行学习

{p}最优化方法及其matlab程序设计  [状态:未读]  [类型:matlab,最优化方法]  hdu选修课之一的教程,还需要学习

 

{e}神经网络原理与实例精讲  [状态:正在读]  [类型:matlab,神经网络]   

{e}精通matlab神经网络  [状态:正在读]  [类型:matlab,神经网络]  前面matlab基础介绍还可以,与上面那本神经网络书一起读

{p}python数据分析与数据挖掘实战  [状态:正在读]  [类型:数据分析,数据挖掘]  分为基础和实战两部分,看起来值得一读

{p}统计学习方法 李航  [状态:正在读]  [类型:统计学习]  写的挺深入,值得一读,很多不懂的,每次读都有新东西

{p}机器学习 周志华   [状态:正在读]  [类型:机器学习]  挺好的国内机器学习书籍,继续攻读

{p}数据科学实战  [状态:正在读]  [类型:数据科学领域科普书]  涵盖数据科学的很多方面,值得一读  (本科毕业前尽量完成)

{p}图解机器学习  [状态:正在读]  [类型:机器学习]  看名字像是<大话数据结构>类型的书籍,但是并不是简单的介绍,还是有读的必要  (本科毕业前尽量读完)

 

{p}机器学习-使用案例解析  [状态:大体一翻,浪费的一本书]  [类型:机器学习,R实现]  现在没有学习R语言的需求和动力,雪藏了吧

{p}利用python进行数据分析  [状态:读完]  [类型:python工具书]  介绍ipython,numpy与pandas,数据清洗,和一些入门的数据操作  (再次读的必要性:一般)

{p}统计思维-程序员数学之概率统计  [状态:读完]  [类型:挺有新意的程序员+概率统计四不像书] 可以一看,价值不是特别大

{p}数据科学入门  [状态:读完]  [类型:数据科学领域科普书]  比那本<数据科学实战>更加浅显,啥啥都有,啥啥都不全,值得刚开始的时候读一下,再次读的价值不大

{e} Python数据分析基础教程1:NumPy学习指南  [状态:读完]  [类型:python书籍,工具书] 关于numpy最全的一本书了,如果需要学习numpy高级功能,可以看 (再读的价值:作为工具书,还是有的)

{e} Python数据可视化编程实战   [状态:大体一翻]  [类型:python可视化,matplotlib]  可视化部分,主要是应用matplotlib进行2d,3d绘制  (再读的价值:作为工具书,还是有的)

 

以上是关于2017读过的书(不断更新)的主要内容,如果未能解决你的问题,请参考以下文章

2011年读过的书及2012年即将要读的书

我读过的书

《神秘的程序员们》漫画47:这些年你读过的书

征文|@程序员,你读过的书,藏着自己的命运程序人生

书单:这些年读过的书

2022 年读过的书和 2023 年阅读规划