找材料也是门学问，别盲目追逐机器学习的热潮。

工程师小张和经理老王都希望在自己的领域引入机器学习，但很快发现现有的教材并不适合他们。这些教材更适合初学者，而对于有多年经验的专业人士来说，他们更希望快速掌握机器学习的实际应用。

这篇文章将为你提供有价值的建议，帮助你在不同场景下找到合适的材料，避免浪费时间。

商业人群

这类人群希望在商业上有效地运用机器学习，但不需要深入了解算法的细节。以下资源可以帮助他们：

1. Gartner’s Magic Quadrant for Advanced Analytics Platforms, 2015
   • 链接
2. Gartner’s Machine Learning Drives Digital Business, 2014
   • 链接
3. McKinsey’s An executive’s guide to machine learning, 2015
   • 链接

经理人

经理人负责的项目中可能需要机器学习的支持。以下书籍能提供全面的概览：

1. Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die
   • 链接
2. Data Science for Business: What you need to know about data mining and data-analytic thinking
   • 链接
3. Data Smart: Using Data Science to Transform Information into Insight
   • 链接

学术人群

机器学习专业的学生

这类人群通常会参加关于技术和算法的课程。以下书籍非常适合他们：

1. Learning from Data
   • 链接
2. Machine Learning: A Probabilistic Perspective
   • 链接
3. Pattern Recognition and Machine Learning
   • 链接
4. The Elements of Statistical Learning: Data Mining, Inference, and Prediction
   • 链接

机器学习领域的研究人员

这类人群会深入研究特定的机器学习领域。以下资源对他们非常有用：

1. Journal of Machine Learning Research (JMLR)
   • 链接
2. Neural Information Processing Systems (NIPS)
   • 链接
3. Knowledge Discovery and Data Mining (SIGKDD)
   • 链接
4. International Conference on Machine Learning (ICML)
   • 链接

工程人群

完成算法的编程人员

这类人群可以通过实现算法来掌握机器学习。以下书籍可以提供帮助：

1. Data Science from Scratch: First Principles with Python
   • 链接
2. Machine Learning in Action
   • 链接
3. Machine Learning: An Algorithmic Perspective
   • 链接

交付一次性预测信息的开发人员

这类人群可以通过构建预测模型来提供商业价值。以下书籍值得参考：

1. Data Mining: Practical Machine Learning Tools and Techniques
   • 链接
2. Applied Predictive Modeling
   • 链接

数据人群

希望获得商业成绩优化方案的数据科学家

这类人群需要不断学习最新的数据科学知识。以下书籍可以提供实用的指导：

1. Applied Predictive Modeling
   • 链接
2. An Introduction to Statistical Learning: with Applications in R
   • 链接
3. Machine Learning for Hackers
   • 链接

希望更好地解释数据的数据分析师

这类人群需要掌握经典的算法，如线性回归和逻辑回归，以便更好地解释数据。以下书籍可以提供帮助：

1. Applied Predictive Modeling
   • 链接
2. An Introduction to Statistical Learning: with Applications in R
   • 链接
3. Machine Learning for Hackers
   • 链接

通过上述资源，各类人群都能找到适合自己需求的材料，从而高效地掌握机器学习。