Practical Machine Learning
本书介绍
这本书探索了广泛的机器学习技术，发现隐藏的技巧和技巧的几种类型的数据使用实际的现实世界的例子。虽然机器学习可以是高度理论性的，这本书提供了一个清爽的动手方法，而不忽视基本的原则。
我们将涵盖领先的数据科学语言Python和R，被低估但功能强大的Julia，以及一系列大数据平台，包括SPark、Hadoop和Mahout。实用机器学习是现代数据科学家的重要资源，他们希望掌握机器学习在现实世界中的应用。
这本书还探索了机器学习的前沿进展，提供了深入学习和强化学习的工作示例和指导，为您提供了实用的演示和示例，帮助您从最先进的机器学习方法中提取理论和奥秘。
这本书是给谁的
这本书是为数据科学家们创建的，他们希望看到机器学习的行动，并探索其在现实世界中的应用。如果你想立即开始学习，编程知识(python和r)和数学知识是可取的。
你会学到什么
实现一系列处理复杂数据的算法和技术。掌握数据科学中一些最强大的语言，包括r、python和julig.利用火花和mahout与Hadoop一起成功地管理和处理数据的能力。应用适当的机器学习技术来解决现实世界中的问题。熟悉深入学习，了解神经网络是如何实现的。在机器学习的前沿被使用。探索机器学习的未来，深入研究多边形持久化、语义数据等等。
目录
Chapter 1. Introduction to Machine learning
Chapter 2. Machine learning and Large-scale datasets
Chapter 3. An Introduction to Hadoop's Architecture and Ecosystem
Chapter 4. Machine Learning Tools, Libraries, and Frameworks
Chapter 5. Decision Tree based learning
Chapter 6. Instance and Kernel Methods Based Learning
Chapter 7. Association Rules based learning
Chapter 8. Clustering based learning
Chapter 9. Bayesian learning
Chapter 10. Regression based learning
Chapter 11. Deep learning
Chapter 12. Reinforcement learning
Chapter 13. Ensemble learning
Chapter 14. New generation data architectures for Machine learning