Phenquestions
Поэтому неудивительно, что так много людей задумываются о том, чтобы войти в увлекательный мир компьютерных алгоритмов, которые автоматически улучшаются благодаря опыту. Если вы в их числе - или если вы просто хотите забыть о шумихе и понять, что на самом деле представляет собой машинное обучение, - наш выбор из 20 лучших учебников по машинному обучению может помочь вам в достижении ваших целей.
Искусственный интеллект: современный подход (4-е издание) Питера Норвига и Стюарта Дж. Рассел
Имеется в наличии: на Amazon
Опубликовано: 2020
Количество страниц: 1136
Решить, с какого учебника машинного обучения начать, было несложно, потому что «Искусственный интеллект: современный подход» рекомендуется студентам университетами по всему миру. Сейчас в 4th Издание книги делает фантастическую работу по знакомству с искусственным интеллектом (машинное обучение - это подмножество ИИ) для начинающих, а также охватывает широкий круг смежных исследовательских тем, предоставляя полезные ссылки для дальнейшего изучения. По словам его авторов, на изучение этого большого учебника уйдет около двух семестров, поэтому не ждите, что его быстро прочитают.
Распознавание образов и машинное обучение Кристофера М. Епископ
Имеется в наличии: на Амазонке
Опубликовано: 2011
Количество страниц: 738
Вы можете подумать о распознавании образов и машинном обучении Кристофера М. Бишоп как мягкий (по крайней мере, в том, что касается учебников по машинному обучению) вводный курс теории, лежащей в основе машинного обучения. Учебник включает более 400 упражнений, которые классифицируются в зависимости от сложности, а на его веб-сайте доступно гораздо больше дополнительных материалов. Только не ожидайте, что вы узнаете, как применить теорию, которую преподает в учебнике, когда дойдете до последней страницы - для этого есть другие книги.
Глубокое обучение Гудфеллоу и др. аль
Имеется в наличии: на Амазонке
Опубликовано: 2016
Количество страниц: 800
Если бы вы попросили Илона Маска порекомендовать вам книгу о машинном обучении, он бы порекомендовал именно эту. Однажды он сказал, что Deep Learning - единственная полная книга по этой теме. Книга охватывает все: от математических и концептуальных основ до ведущих в отрасли методов глубокого обучения и новейших исследовательских перспектив. Мы рекомендуем вам получить электронную версию, потому что Deep Learning печально известно своим низким качеством печати.
Элементы статистического обучения: интеллектуальный анализ данных, вывод и прогнозирование, второе издание, Хасти, Тибширани и Фридман
Имеется в наличии: на Амазонке
Опубликовано: 2016
Количество страниц: 767
Не позволяйте названию этого учебника запугать вас. Если вы хотите по-настоящему понять машинное обучение и применить его для решения сложных задач, вам нужно привыкнуть к чтению учебников, которые кажутся не очень доступными. Несмотря на то, что в учебнике используется исключительно статистический подход, вам не нужно быть статистиком, чтобы читать его, потому что в нем упор делается на концепции, а не на математику.
Практическое машинное обучение с помощью Scikit-Learn, Keras и TensorFlow: концепции, инструменты и методы для создания интеллектуальных систем (2nd Издание) Орелиен Жерон
Имеется в наличии: на Амазонке
Опубликовано: 2019
Количество страниц: 856
Scikit-Learn, Keras и TensorFlow - три популярные библиотеки машинного обучения, и в этом учебнике основное внимание уделяется тому, как их можно использовать для создания программ машинного обучения, которые решают реальные проблемы. Благодаря удобному для новичков характеру этих библиотек, для чтения этого учебника требуются минимальные теоретические знания, что делает его отличным вариантом для тех, кто хотел бы получить интуитивное понимание машинного обучения, создав что-то полезное.
Понимание машинного обучения: от теории к алгоритмам Шай Шалев-Шварц и Шай Бен-Давид
Имеется в наличии: на Amazon
Опубликовано: 2014
Количество страниц: 410
Многие учебники по машинному обучению трудно пройти, потому что их авторы не могут поставить себя на место кого-то новичка в этой области, но не этого. Понимание машинного обучения начинается с четкого введения в статистическое машинное обучение. Затем он связывает теоретические концепции с практическими алгоритмами, не будучи ни слишком многословным, ни слишком расплывчатым. Независимо от того, хотите ли вы освежить свои знания или отправиться в жизненный путь в отрасли, не стесняйтесь брать этот учебник.
Машинное обучение: вероятностная перспектива, Кевин П. Мерфи
Имеется в наличии: на Amazon
Опубликовано: 2012
Количество страниц: 1104
Как следует из названия этой книги, это введение в машинное обучение основано на вероятностных моделях для обнаружения закономерностей в данных и их использования для прогнозирования будущих данных. Книга написана в приятном, неформальном стиле, в ней много иллюстраций и практических примеров. Описываемые в нем модели были реализованы с использованием инструментария Probabilistic Modeling Toolkit, который представляет собой программный пакет MATLAB, который вы можете загрузить из Интернета. К сожалению, этот инструментарий больше не поддерживается, поскольку в новой версии этой книги вместо него будет использоваться Python.
Теория информации, логические выводы и алгоритмы обучения Дэвида Дж. C. MacKay
Имеется в наличии: на Amazon
Опубликовано: 2003
Количество страниц: 640
Да, этот учебник вышел почти 20 лет назад, но сегодня это не делает его менее актуальным. В конце концов, машинное обучение далеко не так молодо, как можно предположить из недавней шумихи вокруг него. Что делает теорию информации, логические выводы и алгоритмы обучения Дэвидом Дж. C. MacKay настолько неподвластен времени, так это его междисциплинарный подход, который обеспечивает широкие связи между различными областями. Сам по себе он не очень полезен, потому что в нем недостаточно практических примеров, но он отлично работает в качестве вводного учебника.
Введение в статистическое обучение: с приложениями в R, Гарет М. Джеймс, Тревор Хасти, Даниэла Виттен и Роберт Тибширани
Имеется в наличии: на Amazon
Опубликовано: 2013
Количество страниц: 440
Вы можете рассматривать "Введение в статистическое обучение" как более доступную альтернативу "Элементам статистического обучения", для чего требуются глубокие знания математической статистики. Чтобы закончить этот учебник, вы должны иметь степень бакалавра математики или статистики. На его 440 страницах авторы предоставляют обзор области статистического обучения и представляют важные методы моделирования и прогнозирования вместе с их приложениями.
Сотостраничная книга по машинному обучению Андрея Буркова
Имеется в наличии: на Amazon
Опубликовано: 2019
Количество страниц: 160
В то время как большинство учебников, перечисленных в этой статье, содержат около тысячи страниц, эта тонкая книга, которая начиналась как вызов в LinkedIn, объясняет многое всего на сотне или около того страниц. Одна из причин, по которой Сотостраничная книга по машинному обучению мгновенно стала хитом, - это ее простой язык, который является долгожданным отходом от жестких академических статей. Мы рекомендуем эту книгу разработчикам программного обеспечения, которые считают, что могут использовать доступные инструменты машинного обучения, но не знают, с чего начать. Тем не менее, книга может понравиться всем, кто интересуется машинным обучением, потому что в ней подчеркиваются концепции, а не код.
Введение в машинное обучение с помощью Python: руководство для специалистов по данным от Андреаса С. Мюллер и Сара Гвидо
Имеется в наличии: на Amazon
Опубликовано: 2016
Количество страниц: 400
Если вы свободно владеете Python и хотели бы начать машинное обучение, создавая практические решения реальных проблем, эта книга для вас. Нет, вы не узнаете слишком много теории, но все фундаментальные концепции хорошо освещены, а есть много других книг, которые охватывают остальные. Чтобы получить максимальную отдачу от Введение в машинное обучение с помощью Python, вы должны иметь хотя бы некоторое представление о библиотеках NumPy и matplotlib.
Прикладное прогнозное моделирование Макс Куном и Кьеллом Джонсоном
Имеется в наличии: на Amazon
Опубликовано: 1-е изд. 2013, Корр. 2-е издание 2018 г
Количество страниц: 613
Этот учебник представляет собой введение в модели прогнозирования, которые используют данные и статистику для прогнозирования результатов с помощью моделей данных. Он начинается с обработки данных и продолжается современными методами регрессии и классификации, всегда акцентируя внимание на реальных проблемах с данными. Вы можете легко реализовать все модели, описанные в книге, благодаря предоставленному коду R, который точно показывает, что вам нужно сделать, чтобы получить рабочее решение.
Глубокое обучение с Python, Франсуа Шоле
Имеется в наличии: на Amazon
Опубликовано: 2017
Количество страниц: 384
Возможно, вы уже знакомы с автором этого учебника по машинному обучению, потому что он отвечает за библиотеку нейронных сетей с открытым исходным кодом под названием Keras, возможно, самую популярную библиотеку машинного обучения, написанную на Python. Учитывая эту информацию и название учебника, вы не должны удивляться, узнав, что это лучший доступный ускоренный курс Keras. Практические методы имеют приоритет над теорией, но это просто означает, что вы можете решать сложные задачи машинного обучения всего за несколько недель.
Машинное обучение Тома М. Митчелл
Имеется в наличии: на Amazon
Опубликовано: 1997
Количество страниц: 414
В этой книге, опубликованной в 1997 году, представлены все типы алгоритмов машинного обучения на языке, который должны уметь понимать все выпускники CS. Если вы относитесь к тому типу людей, которым необходимо иметь широкое понимание определенной темы, прежде чем вы почувствуете себя комфортно, глубоко погрузившись в нее, вам понравится, как представлена информация в этой книге. Только не ждите машинного обучения от Тома М. Митчелл должен быть практическим руководством, потому что это не то, чем должна быть эта книга.
Создание приложений на основе машинного обучения: от идеи к продукту, Эммануэль Амейсен
Имеется в наличии: на Amazon
Опубликовано: 2020
Количество страниц: 260
Одно дело понимать модели машинного обучения, и совсем другое - знать, как их внедрить в производство. Эта относительно тонкая книга Эммануэля Амейсена объясняет именно это, проводя вас через каждый этап процесса, от первоначальной идеи до развернутого продукта. Создание приложений на основе машинного обучения можно рекомендовать начинающим специалистам по данным и инженерам машинного обучения, которые усвоили теорию, но еще не применили ее в отрасли.
Обучение с подкреплением: Введение (2-е издание) Ричарда С. Саттон, Эндрю Дж. Барто
Имеется в наличии: на Amazon
Опубликовано: 2018
Количество страниц: 552
Обучение с подкреплением - это область машинного обучения, связанная с обучением моделей машинного обучения действиям в сложной, неопределенной среде, чтобы максимизировать общую сумму полученного вознаграждения. Если вам это кажется интересным, не стесняйтесь покупать эту книгу, потому что она широко считается Библией на эту тему. Второе издание включает в себя множество важных структурных и содержательных изменений, так что получите его, если возможно.
Учимся на данных Ясера С. Абу-Мостафа, Малик Магдон-Исмаил, Сюань-Тянь Линь.
Имеется в наличии: на Amazon
Опубликовано: 2012
Количество страниц: 213
Learning From Data - это краткое, но относительно полное введение в машинное обучение и его практическое применение в финансах, торговле, науке и технике. Книга основана на более чем десятилетнем учебном материале, который авторы переработали до ряда основных тем, которые должен понимать каждый, кто интересуется этим предметом. Это отлично подходит для новичков, у которых мало времени на изучение теории машинного обучения, особенно если читать вместе с серией лекций Ясера на YouTube.
Нейронные сети и глубокое обучение: Учебник Чару С. Аггарвал
Имеется в наличии: на Amazon
Опубликовано: 2018
Количество страниц: 497
Нейронные сети - это один из способов машинного обучения, и этот учебник может помочь вам понять теорию, лежащую в основе их. Как и машинное обучение в целом, эта книга математически насыщена, поэтому не ждите, что вы зайдете слишком далеко, если ваша математика ржавая. Тем не менее, автор отлично объясняет математику, лежащую в основе всех представленных примеров, и проводит читателя по различным замысловатым сценариям.
Машинное обучение для начинающих: Введение в простой английский (2nd Edition) Оливер Теобальд
Имеется в наличии: на Amazon
Опубликовано: 2017
Количество страниц: 157
Если вы интересуетесь машинным обучением, но не чувствуете себя комфортно, читая длинные учебники по этому предмету, вы можете предпочесть эту книгу для начинающих, которая дает практическое и высокоуровневое введение в машинный язык с использованием простого английского. К концу этой книги вы будете знать, как прогнозировать стоимость дома, используя вашу первую модель машинного обучения, созданную на Python.
Генеративное глубокое обучение: обучающие машины рисовать, писать, сочинять и играть, Дэвид Фостер
Имеется в наличии: на Amazon
Опубликовано: 2019
Количество страниц: 330
Много было написано и сказано о генеративных состязательных сетях (GAN), одной из самых горячих тем в области машинного обучения сегодня. Если вы хотите понять, как они и другие генеративные модели глубокого обучения работают под капотом, эта книга Дэвида Фостера станет отличной отправной точкой, если у вас есть опыт программирования на Python.
