每周一本書之《Python大戰機器學習：數據科學家的第一個小目標》

要說時下最熱門的職業，既不是傳統的信息科學家，也不是大數據工程師，而是數據科學家！那麼，數據科學家必備的技能又有哪些呢？機器學習和Python一定是位列前五的兩項。

作者 | abby

數據科學家可謂是當下炙手可熱的職業，機器學習則是他們的必備技能。機器學習在大數據分析中居於核心地位，在互聯網、金融保險、製造業、零售業、醫療等產業領域發揮了越來越大的作用且日益受到關注。

Python作為最好最熱門的編程語言之一，以簡單易學、應用廣泛、類庫強大而著稱，是實現機器學習演算法的首選語言。

本周，小編就為大家分享一本有關機器學習和Python的入門級圖書《Python大戰機器學習：數據科學家的第一個小目標》。本書以快速上手、四分理論六分實踐為出發點，講述了機器學習的演算法和Python 編程實踐，採用「原理筆記精華 + 演算法Python 實現 + 問題實例 + 代碼實戰 + 運行調參」的形式展開，理論與實踐結合，演算法原理與編程實戰並重。

本書從內容上大致分為四個部分：

第一篇：機器學習基礎篇（第1~6 章）：

包括線性模型、決策樹、貝葉斯分類、k近鄰法、數據降維、聚類和 EM演算法等內容。

這些基礎演算法非常經典，原理也相對簡單，是入門的最佳選擇，掌握這些演算法，才能更好地理解後續的高級演算法。非菜鳥可以直接忽略這部分。

第二篇：機器學習高級篇（第7~10 章）：

包括支持向量機、人工神經網路、半監督學習和集成學習等內容。

這些高級演算法是目前應用非常廣泛，也是效果不錯的演算法，需要深入理解演算法的原理、優劣勢等特點以及應用場景，要能達到應用自如的程度。

第三篇：機器學習工程篇（第11~12章）：

講述機器學習工程中的實際技術，包括數據預處理，模型評估、選擇與驗證等內容。

數據清洗、數據預處理和模型評估選擇在實際中非常重要，在整個工程項目的開發過程中通常佔到一半以上的時間，這部分給出的一些步驟和方法是實踐的精華，值得熟練掌握。

第四篇：Kaggle 實戰篇（第13章）：

Step by step講述了一個Kaggle競賽題目的實戰，有代碼，有分析。

Kaggle是目前頂級的數據科學比賽平台，很多機器學習的牛人都在這裡玩過，咱們可以學習牛人好的演算法，也可以啟發自己的思路。對於夢想成為牛人的您，還是去裡面混混先：）萬一拿了個好的名次呢，拿個一流公司的offer還是很easy的。

適讀人群：

本書可供為高等院校計算機、金融、信息、自動化及相關理工科專業的大學部生或研究所使用，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。

本書的代碼全部開源，請自行下載 https://github.com/huaxz1986/git_book，也歡迎在這上面交流。

《雲端：動蕩世界中的大數據》：大數據並非無所不能，該批判的時候請不要手軟！