1、Machine Learning : The Art and Science of Algorithms that Make Sense of Data

【作者】：Peter Flach

【出版社】：Cambridge University Press

【简介】：作为最全面的机器学习教材之一，Peter flach在全面讲述机器学习领域丰富的内容同时，也非常注重其内在原理的统一性。作者用清晰的实例首先讨论了垃圾邮件过滤器的工作原理，它以最少的技术手段引入了机器学习的实际应用。书中涵盖了广泛的逻辑、几何和统计模型，以及最先进的主题，如矩阵分解和 roc 分析，特别关注特征所起的作用。书中不仅使用了已有术语，还引入了一些新的概念，并提供了大量精选的示例和图解研究案例的复杂性和多样性。

【电子书来源】：http://www.itextbook.cn/f/book/bookDetail?status=1&bookId=c99be4b6e0dc4a8781828df05c28ee54

2、A First Course in Machine Learning

【作者】：Rogers, Simon

【出版社】：CRC Press

【简介】：本书涵盖了理解机器学习算法所需的核心数学和统计技术。提出的算法涵盖了机器学习的主要问题领域:分类、聚类和预测。文本给出了对少量算法的详细描述和推导，而不是在较少的细节中覆盖许多算法。MATLAB /Octave脚本的广泛收集使学生能够重新创建在书中出现的情节，并调查变化的模型规格和参数值。通过对各种算法和概念的实验，学生们可以看到如何用一组抽象的方程来解决实际问题。要求最低限度的数学先决条件，在本书的课堂测试材料提供了一个简明的，可访问的机器学习的介绍。它为学生提供了更详细地探索机器学习文献和研究具体方法的知识和信心。

【电子书来源】：http://www.itextbook.cn/f/book/bookDetail?status=1&bookId=6c273c4d8a224dfaa73f2a425348fc3b

3、Machine Learning : An Algorithmic Perspective, Second Edition

【作者】：Marsland, Stephen

【出版社】：CRC Press

【简介】：自从最畅销的第一版出版以来，机器学习领域又有了一些显著的发展，包括在机器学习算法的统计解释方面的工作越来越多。不幸的是，没有强大的统计背景的计算机科学学生往往发现很难在这一领域开始学习。为了弥补这一缺陷，第二版可以帮助学生理解机器学习的算法，它让学生掌握相关的数学和统计学，以及必要的编程和实验。第二版新增两个关于深度信念网络和高斯过程的新章节重组章节，包括感知器收敛定理，精度方法，和多层感知器的共轭梯度优化附加讨论卡尔曼和粒子滤波器改进代码，适合于一个学期的入门课程和更高级的课程，强烈鼓励学生练习使用代码。每一章都包括详细的例子以及进一步的阅读和问题。在作者的网站上可以找到用于创建示例的所有代码。

【电子书来源】：http://www.itextbook.cn/f/book/bookDetail?status=1&bookId=d413ad6a65594560abc867acfab59715

4、Numerical Algorithms : Methods for Computer Vision, Machine Learning, and Graphics

【作者】：Solomon, Justin

【出版社】：CRC Press

【简介】：本书为现代计算机科学家提出了数值分析的新方法。使用来自计算任务的广泛基础的例子，包括数据处理、计算摄影和动画，从实际角度介绍数值建模和算法设计，并提供了支持这些技能所需的理论工具。这本书涵盖了从数值线性代数到优化和关注真实世界动机和统一主题的微分方程的广泛的主题。它结合了来自计算机科学研究和实践的案例，伴随着对每个小主题的深入研究。结束章节鼓励学生形成批判性思维和建立学生的直觉，同时介绍本书的扩展材料。这本书是为在计算机科学和相关领域有微积分和线性代数经验的高年级本科生和研究生设计的。对于有离散数学背景的学生，书中包括一些有关连续数学背景的提醒。

【电子书来源】：http://www.itextbook.cn/f/book/bookDetail?status=1&bookId=b223a233083e4a6f87ad304afcf34a98

5、Bayesian Reasoning and Machine Learning

【作者】：David Barber

【出版社】：Cambridge University Press

【简介】：机器学习方法以有限的资源从庞大的数据集中快速提取信息。它们时工业应用中公认的工具，包括搜索引擎、DNA测序、股市分析和机器人运动，而且它们的使用正在迅速普及。懂得这些方法的人有机会选择更高待遇的工作。它是专为线性代数和微积分有限背景的本科生和硕士研究生设计的。全面而连贯，它在图形模型的框架内发展了从基本推理到高级技术的一切。学生们学到的不仅仅是一系列的技巧，他们还培养了分析和解决问题的技能，为他们在现实世界中做好准备。每一章都有无数的例子和练习，计算机基础和理论。

【电子书来源】：http://www.itextbook.cn/f/book/bookDetail?status=1&bookId=dcf85c1fd4ff42888239f524c088a4fa