分布式与云计算 2017年十本必读的大数据&人工智能领域书(2)

王琛，英国爱丁堡大学人工智能硕士，现为百纳信息技术人工智能方向负责人。

胡振邦，拥有博，百纳信息技术高级算法研究员，毕业于中国地质大学计算机学院地学信息工程。毕业以来，一直从事图像识别方面的算法研发工作，主要方向包括目标检测、图文检索、图像分类与验证等，在图像处理、计算机视觉等方面都有深厚的积累和经验。

高杰，毕业于扬州中学特招班，1998年入学华中科技大学机械系，，2015年与合伙人联合创立了图灵科技集团。

《Keras快速上手：基于Python的深度学习实战》

《Keras快速上手：基于Python的深度学习实战》从如何准备深度学习的环境开始，地教读者如何采集数据，如何运用一些最常用，也是目前被认为最有效的一些深度学习算法来解决实际问题。覆盖的领域包括推荐系统、图像识别、自然语言情感分析、文字生成、时间序列、智能物联网等。

本书以实际应用为导向，强调概念的认知和实用性，对理论的介绍深入浅出，对读者的数学水平要求较低，读者在学习完毕后能使用案例程序举一反三地应用到其具体场景中。

从内容方面本书共分为10个章节：

第1章：介绍搭建深度学习环境，是整本书的基础。

第2章：介绍如何用网络爬虫技术收集数据并使用ElasticSearch 存储数据。因为在很多应用中，数据需要读者自行从网上爬取和并加以处理和存储。

第3章：介绍深度学习模型的基本概念。

第4章：介绍深度学习框架 Keras 的用法。

第 5~9 章：是5个深度学习的经典应用。我们会依次介绍深度学习在推荐系统、图像识别、自然语言处理、文字生成和时间序列的具体应用。在介绍这些应用的过程中会穿插各种深度学习模型和代码，并和读者分享我们对于这些模型的原理和应用场景的体会。分布式与云计算

第10章：抛砖引玉地提出物联网概念。

作者介绍：

谢梁，现任微软云计算核心存储部门首席数据科学家，主持运用机器学习和人工智能方法优化高可用性并行存储系统的运行效率和改进其运维方式。具有十余年机器学习应用经验。

鲁颖，现任谷歌硅谷总部数据科学家，为谷歌应用商城提供核心数据决策分析，利用机器学习和深度学习技术建立用户行为预测模型，为产品优化提供核心数据支持。曾在亚马逊、微软和迪士尼美国总部担任机器学习研究科学家，有着多年使用机器学习和深度学习算法研发为业务提供解决方案的经验。

劳虹岚，现任微软研究院研究工程师，是早期智能硬件项目上视觉和语音研发的核心团队成员，对企业用户和消费者需求体验与AI技术的结合有深刻的理解和丰富的经验。曾在Azure和Office 365负责处理大流量高并发的后台云端研究和开发，精通一系列系统架构设计和性能优化方面的解决方案。

《全栈数据之门》

《全栈数据之门》以数据分析领域最热的Python语言为主要线索，介绍了数据分析库numpy、Pandas与机器学习库scikit-learn，使用了可视化环境Orange 3来理解算法的一些细节。对于机器学习，既有常用算法kNN与Kmeans的应用，决策树与随机森林的实战，还涉及常用特征工程与深度学习中的自动编程器。在大数据Hadoop与Hive环境的基础之上，使用Spark的ML/MLlib库集成了前面的各部分内容，让分布式机器学习更容易。大量的工具与技能实战的介绍将各部分融合成一个全栈的数据科学内容。

本书从内容上共分为8个章节：

第1、2、3 章：内容比较单一，涉及基础的Linux、Python 与Hadoop 知识。如果对这三章中的某些知识不熟悉，建议先阅读。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-75359-2.html