Spark是一个新的分布式计算框架，提供简洁明了的函数式API，完全兼容Hadoop生态系统。Spark自带一个支持分布式机器学习和包含若干数据挖掘模型的工具包Spark MLlib。该工具包正在重点开发中，但已包括多个针对常见机器学习任务的高质量、可扩展的算法。
《Spark机器学习第2版》结合案例研究讲解Spark 在机器学习中的应用，并介绍如何从各种公开渠道获取用于机器学习系统的数据。内容涵盖推荐系统、回归、聚类、降维等经典机器学习算法及其实际应用。新增了有关机器学习数学基础以及Spark ML Pipeline API 的章节，内容更加系统、全面、与时俱进。
《Spark机器学习第2版》中文PDF，394页，带目录，文字可复制；英文PDF，彩色配图，带目录，文字可复制。配套源代码。
下载: https://pan.baidu.com/s/13xNOave5kVDPqFvZHDNqJw
提取码: 7i43
Spark构建推荐引擎”展示了如何创建一个基于协同过滤的推荐模型。该模型将用于向给定用户推荐物品，以及创建与给定物品相似的物品清单。这一章还会讲到如何使用标准指标来评估推荐模型的效果。Spark构建分类模型阐述如何创建二元分类模型，以及如何利用标准的性能评估指标来评估分类效果。Spark构建回归模型”扩展了第6章中的分类模型以创建一个回归模型，并详细介绍了回归模型的评估指标。
学习机器学习时，建议阅读《白话机器学习算法》，大白话来解释各种算法，没有具体实现，不过引用的示例很易懂，各种算法解释的也到位。
《白话机器学习算法》中文PDF，115页，带目录，文字可复制；英文PDF，134页，带目录，文字可复制。配套数据集链接。
下载: https://pan.baidu.com/s/1VjbePHUMGRxJDiEAqRRJVw
提取码: 7wgx
与使用数学语言或计算机编程语言讲解算法的书不同，用通俗易懂的人类语言以及大量有趣的示例和插图讲解10多种前沿的机器学习算法。内容涵盖k均值聚类、主成分分析、关联规则、社会网络分析等无监督学习算法，以及回归分析、k最近邻、支持向量机、决策树、随机森林、神经网络等监督学习算法，并概述强化学习算法的思想。任何对机器学习和数据科学怀有好奇心的人都可以构建知识体系。每种算法都用最简单的例子解释了原理，尤其是svm的解释给我留下很深的印象，很适合作为入门材料。
学习机器学习时，我们一定要掌握scikit-learn的使用。推荐学习《scikit-learn机器学习常用算法原理及编程实战》，案例也采用的是中文数据，比较适用。《scikit-learn机器学习常用算法原理及编程实战》例子都比较通俗易懂，可以作为入门书，有实例代码和复习题，结合scikit和具体算例介绍机器学习的常用算法和scikit的使用，挺好的。
《scikit-learn机器学习常用算法原理及编程实战》原版PDF，224页，带书签目录，文字可以复制。配套源代码。
下载: https://pan.baidu.com/s/1kW_hOes7V9yubgGZg99aSg
提取码: 2kg5
《scikit-learn机器学习常用算法原理及编程实战》通过通俗易懂的语言、丰富的图示和生动的实例，拨开了笼罩在机器学习上方复杂的数学“乌云”，学习者可以较低的代价和门槛轻松入门机器学习。《scikit-learn机器学习常用算法原理及编程实战》分为11章，主要介绍了在Python环境下学习scikit-learn机器学习框架的相关知识。主要内容有机器学习概述、Python机器学习软件包、机器学习理论基础、k-近邻算法、线性回归算法、逻辑回归算法、决策树、支持向量机、朴素贝叶斯算法、PCA 算法和k-均值算法等。
研究大数据和数据挖掘的都知道，并行化算法研究是大数据领域一个较为重要的研究热点。近年来国内外开始关注在 Spark 平台上如何实现各种机器学习和数据挖掘并行化算法设计。Spark 提供了大量的库，包括SQL、DataFrames、MLlib、GraphX、Spark Streaming。 开发者可以在同一个应用程序中无缝组合使用这些库。
《深度实践Spark机器学习》PDF，247页，带书签目录，文字可以复制；
下载: https://pan.baidu.com/s/1erZxFaKoa2vKSun1tgQPFA
提取码: 73t6
系统讲解了Spark机器学习的技术、原理、组件、算法，以及构建Spark机器学习系统的方法、流程、标准和规范。此外，还介绍了Spark的深度学习框架TensorFlowOnSpark，以及如何借助它实现卷积神经网络和循环神经网络。
《自己动手写神经网络》讲解通俗易懂，使用简单的语言描述人工神经网络的原理，并力求以具体实现与应用为导向，除了理论介绍外，每一章节的应用和实践都有具体的实例实现，达到学以致用。
《自己动手写神经网络》PDF，212页，带书签目录，文字可复制。配套源代码。
下载: https://pan.baidu.com/s/1w927HWOXAYuYqeQtcmSnJg
提取码: pgmu
自己动手写神经网络：简单的人工神经网络模型和理论应用；一个基于Java的人工神经网络框架Neuroph；基于Neuroph开发一个简单的人工神经网络系统—感知机；ADALINE网络以及使用Neuroph实现ADALINE神经网络；BP神经网络的基本原理和具体实现；BP神经网络的具体实践应用；Hopfield网络的原理、实践和应用；双向联想网络BAM的原理、实践和应用；竞争学习网络，特别是SOM网络以及相关算法与实现；PCA方法以及与PCA方法等价的PCA神经网络。
