有什么深度学习数学基础书推荐?
的有关信息介绍如下:
大多数人学习数据科学的重心放在编程上面,然而,要真正精通数据科学的话是不能够忽视数据科学背后的数据基础。下面给亲推荐七本有关于数据科学基础的书,下面将逐一为大家介绍这七本数学基础书,请大家开始“享受”吧!首先要明确一点,我们为什么要为学习数据科学的数学基础而努力呢?以下是激励我的原因:
在数学界中,如果你想创建一个关于数学书的列表并不包括伟大的俄国数学家,那是不可能的。所以,在本文列表中的第一本书籍自然而然就是由Vladimir Vapnik编写的统计学习理论。该书是七本书中最难找到的一本,当然,在中国这都不是事儿。Vladimir Vapnik也是支持向量机(SVM)算法的创造者,其维基百科页面上介绍了很多关于他的工作。
类似于Vladimir Vapnik的书,Duda是另一个时代的经典书籍。首次发表于1973年,在25年后(2000年)得到更新,之后再也没有进行更新,但这并不妨碍本书成为一本重要的书籍。该书采用模式识别的方法,并涵盖了大量的算法。
此书现在有第二版,这本书也是我读过最早的书籍之一。第一版和第二版都很好,其中第二版有更多的Python代码。与前两本书类似,该书也非常强调算法。
又一本经典教材,我使用的版本印刷得非常好,具有很高的参考价值。
Christopher M. Bishop编写的模式识别和机器学习(信息科学和统计学)也是一本深入浅出且非常完善的书籍,参考价值高。
我喜欢Peter Flach的书籍,尽管购物网站上的一些评论说其有些冗长并缺少代码,但我喜欢其整本书的布局(算法的分组:逻辑模型、线性模型以及概率模型)和主题的整体处理。
该书也被称作“花书”,内容很详细且知识新,涵盖你能想到的一切知识点。两个值得推荐的其它资源:
除了“花书”以外,我不会推荐从头到尾的阅读。我偏爱于按照主题阅读书籍,即将其作为参考书,当需要清楚哪部分内容时阅读相应的内容。通过阅读以上这些书籍使我觉得自己很谦卑,知道的很少,而机器学习和数据科学领域是多么的广阔。书籍是永恒的,也是不会抛弃自己的朋友,一直在那里等着你去相遇、相识。Vladimir Vapnik现在已经81岁高龄,Duda这本书首次出版与1973年,我估计50年后,这个行业的从业者仍将阅读它们,就像经受住时间考验的老朋友一样。这展示了基于数学方法的寿命,永不褪色和凋零!
更多技术干货敬请关注云栖社区知乎机构号:阿里云云栖社区 - 知乎



