Наука про дані

Найкращі підручники машинного навчання в 2020 році

Найкращі підручники машинного навчання в 2020 році
Машинне навчання є однією з найгарячіших ІТ-тем сьогодні, і випадки використання охоплюють все: від безпеки даних до фінансової торгівлі до персоналізації маркетингу. Посада інженера машинного навчання швидко стала однією з найбільш затребуваних робочих місць у світі, і середня заробітна плата, що поставляється разом з цим, відображає це.

Тож не дивно, що так багато людей замислюються про те, щоб увійти в захоплюючий світ комп’ютерних алгоритмів, які автоматично вдосконалюються завдяки досвіду. Якщо ви серед них - або якщо ви просто хочете поглянути на ажіотаж і зрозуміти, про що насправді йдеться про машинне навчання - наш вибір 20 найкращих підручників машинного навчання може допомогти вам досягти ваших цілей.

Штучний інтелект: сучасний підхід (4-е видання) Пітера Норвіга та Стюарта Дж. Рассел

Доступні: на Амазонці

Опубліковано: 2020
Кількість сторінок: 1136

Вирішити, з якого підручника з машинного навчання почати, було не складно, оскільки штучний інтелект: сучасний підхід рекомендується студентам університетами по всьому світу. Зараз у своєму 4го Видання, книга робить фантастичну роботу, представляючи область штучного інтелекту (машинне навчання є підмножиною ШІ) для початківців, а також охоплює широкий спектр суміжних тем дослідження, надаючи корисні посилання для подальшого вивчення. За словами його авторів, цей великий підручник повинен зайняти близько двох семестрів, тому не сподівайтесь, що він буде швидко прочитаний.

Розпізнавання зразків та машинне навчання Крістофера М. Єпископ

Доступні: на Амазонці

Опубліковано: 2011
Кількість сторінок: 738

Ви можете подумати про розпізнавання зразків та машинне навчання Крістофера М. Бішоп як ніжний (принаймні, що стосується підручників машинного навчання) вступний курс до теорії машинного навчання. Підручник включає понад 400 вправ, які оцінюються відповідно до їх складності, і набагато більше додаткових матеріалів доступно на його веб-сайті. Тільки не сподівайтесь знати, як застосовувати теорію, яку викладає підручник, коли дійдете до останньої сторінки - для цього є інші книги.

Глибоке навчання від Goodfellow et. ін

Доступні: на Амазонці

Опубліковано: 2016
Кількість сторінок: 800

Якби ви попросили Ілона Маска порекомендувати вам книгу про машинне навчання, то саме цю він рекомендував би. Одного разу він каже, що «Глибоке навчання» - це ціла книга з цього питання. Книга охоплює все, починаючи з математичного та концептуального підґрунтя, закінчуючи провідними в галузі методами глибокого навчання та останніми перспективами досліджень. Ми рекомендуємо отримати електронну версію, оскільки "Глибоке навчання" сумно відомо своєю низькою якістю друку.

Елементи статистичного навчання: видобуток даних, умовивід та прогнозування, друге видання Хасті, Тібшірані та Фрідмена

Доступні: на Амазонці

Опубліковано: 2016
Кількість сторінок: 767

Не дозволяйте назві цього підручника залякувати вас. Якщо ви хочете по-справжньому зрозуміти машинне навчання та застосувати його для вирішення складних проблем, вам потрібно звикнути до читання підручників, які здаються не дуже доступними. Незважаючи на те, що підручник має вирішальний статистичний підхід, вам не потрібно бути статистиком, щоб читати його, оскільки він наголошує на поняттях, а не на математиці.

Практичне машинне навчання за допомогою Scikit-Learn, Keras та TensorFlow: концепції, інструменти та методи побудови інтелектуальних систем (2й Видання) Орельєна Герона

Доступні: на Амазонці

Опубліковано: 2019
Кількість сторінок: 856

Scikit-Learn, Keras та TensorFlow - це три популярні бібліотеки машинного навчання, і цей підручник зосереджується на тому, як їх можна використовувати для створення програм машинного навчання, які вирішують актуальні проблеми. Завдяки доброзичливому характеру цих бібліотек для читання цього підручника потрібні мінімальні базові теоретичні знання, що робить його чудовим для тих, хто хотів би отримати інтуїтивне розуміння машинного навчання, побудувавши щось корисне.

Розуміння машинного навчання: від теорії до алгоритмів Шай Шалев-Шварц і Шай Бен-Девід

Доступні: на Амазонці

Опубліковано: 2014
Кількість сторінок: 410

Багато підручників про машинне навчання важко пройти через те, що їх автори не можуть стати на місце когось нового в цій галузі, але не цього. Розуміння машинного навчання починається з чіткого введення в статистичне машинне навчання. Потім він пов'язує теоретичні концепції з практичними алгоритмами, не будучи ні занадто багатослівним, ні надто розмитим. Незалежно від того, якщо ви хочете оновити свої знання або вирушити у життєву подорож у цій галузі, не соромтеся захопити цей підручник.

Машинне навчання: імовірнісна перспектива Кевін П. Мерфі

Доступні: на Амазонці

Опубліковано: 2012
Кількість сторінок: 1104

Як випливає з назви цієї книги, цей вступ до машинного навчання спирається на імовірнісні моделі для виявлення закономірностей у даних та використання їх для прогнозування майбутніх даних. Книга написана у приємному, неформальному стилі та чудово використовує ілюстрації та практичні приклади. Моделі, які він описує, були впроваджені з використанням імовірнісного набору інструментів моделювання, який є програмним пакетом MATLAB, який ви можете завантажити з Інтернету. На жаль, набір інструментів більше не підтримується, оскільки нова версія цієї книги використовуватиме замість нього Python.

Теорія інформації, умовиводи та алгоритми навчання Девід Дж. C. Маккей

Доступні: на Амазонці

Опубліковано: 2003
Кількість сторінок: 640

Так, цей підручник вийшов майже 20 років тому, але це не робить його менш актуальним сьогодні. Зрештою, машинне навчання не настільки молоде, як може судити нещодавня ажіотаж навколо нього. Що робить теорією інформації, висновком та алгоритмами навчання Девіда Дж. C. MacKay настільки позачасовий - це його мультидисциплінарний підхід, який забезпечує широкі зв’язки між різними сферами. Сам по собі він не дуже корисний, оскільки не має достатньо практичних прикладів, але чудово працює як вступний підручник.

Вступ до статистичного навчання: з додатками на R, автор Гарет М. Джеймс, Тревор Хасті, Даніела Віттен та Роберт Тібшірані

Доступні: на Амазонці

Опубліковано: 2013
Кількість сторінок: 440

Ви можете уявити Вступ до статистичного навчання як більш доступну альтернативу елементам статистичного навчання, який вимагає глибоких знань математичної статистики. Щоб закінчити цей підручник, у вас повинно бути прекрасно зі ступенем бакалавра математики або статистики. На своїх 440 сторінках автори надають огляд галузі статистичного навчання та представляють важливі методи моделювання та прогнозування разом із їх застосуваннями.

Книга про машинне навчання на сто сторінок Андрія Буркова

Доступні: на Амазонці

Опубліковано: 2019
Кількість сторінок: 160

У той час як більшість підручників, перелічених у цій статті, складають близько тисячі сторінок, ця тонка книга, яка почалася як виклик на LinkedIn, багато чого пояснює лише на сотні сторінок. Однією з причин, чому Книга про машинне навчання на сто сторінок стала миттєвим хітом, є її зрозуміла мова, що є бажаним відходом від жорстких наукових робіт. Ми рекомендуємо цю книгу інженерам програмного забезпечення, які вважають, що вони могли б використовувати наявні інструменти машинного навчання, але не знають, з чого почати. Тим не менш, книгою може сподобатися кожен, хто цікавиться машинним навчанням, оскільки вона наголошує на концепціях над кодом.

Вступ до машинного навчання за допомогою Python: Посібник для вчених з даних Андреаса С. Мюллер і Сара Гвідо

Доступні: на Амазонці

Опубліковано: 2016
Кількість сторінок: 400

Якщо ви вільно володієте Python і хотіли б розпочати машинне навчання шляхом створення практичних рішень реальних проблем, це найкраща книга для вас. Ні, ви не навчитеся занадто багато теорії, але всі основні поняття висвітлено добре, і є багато інших книг, які висвітлюють решту. Щоб отримати максимальну віддачу від Введення в машинне навчання з Python, ви повинні хоч трохи ознайомитися з бібліотеками NumPy та matplotlib.

Прикладне прогнозне моделювання Макса Куна та К’єлла Джонсона

Доступні: на Амазонці

Опубліковано: 1-е вид. 2013, вип. 2 друк 2018 року
Кількість сторінок: 613

Цей підручник пропонує вступ до прогнозних моделей, які використовують дані та статистику для прогнозування результатів за допомогою моделей даних. Починається з обробки даних і продовжується сучасними методами регресії та класифікації, завжди підкреслюючи реальні проблеми даних. Ви можете легко реалізувати всі моделі, описані в книзі, завдяки наданому коду R, який точно показує, що вам потрібно зробити, щоб у результаті вийшло робоче рішення.

Глибоке навчання з Python Франсуа Шолле

Доступні: на Амазонці

Опубліковано: 2017
Кількість сторінок: 384

Ви, можливо, вже знайомі з автором цього підручника з машинного навчання, оскільки він відповідає за бібліотеку нейронних мереж з відкритим кодом під назвою Keras, можливо, найпопулярнішу бібліотеку машинного навчання, написану на Python. Беручи до уваги цю інформацію та заголовок підручника, вас не повинно здивувати, коли ви дізнаєтесь, що це найкращий із запропонованих курсів Крас. Практичні методи мають пріоритет над теорією, але це просто означає, що ви можете вирішити складні завдання машинного навчання всього за кілька тижнів.

Машинне навчання Тома М. Мітчелл

Доступні: на Амазонці

Опубліковано: 1997
Кількість сторінок: 414

Опублікована в 1997 році, ця книга знайомить з усіма типами алгоритмів машинного навчання мовою, яку повинні розуміти всі випускники CS. Якщо ви той тип людини, який повинен добре розуміти певну тему, перш ніж почуватись комфортно, занурившись у неї, вам сподобається, як подана інформація в цій книзі. Тільки не чекайте машинного навчання від Тома М. Мітчелл буде практичним керівництвом, бо це не те, що повинна бути ця книга.

Побудова прикладних програм для машинного навчання: перехід від ідеї до продукту Еммануеля Амейзена

Доступні: на Амазонці

Опубліковано: 2020
Кількість сторінок: 260

Одна справа розуміти моделі машинного навчання, а зовсім інша справа - знати, як залучити їх до виробництва. Ця порівняно тонка книга Еммануеля Амейзена пояснює саме це, проводячи вас через кожен крок процесу, від початкової ідеї до розгорнутого продукту. Будувати додатки, що працюють за допомогою машинного навчання, можна порекомендувати початківцям вченим з даних та інженерам ML, які опанували теорію, але ще не застосовували її в галузі.

Підкріплення навчання: вступ (2-е видання) Річарда С. Саттон, Ендрю Г. Барто

Доступні: на Амазонці

Опубліковано: 2018
Кількість сторінок: 552

Підкріплене навчання - це область машинного навчання, пов’язана з навчанням моделям машинного навчання для здійснення дій у складному, невизначеному середовищі для максимізації загальної суми отриманої винагороди. Якщо це для вас звучить цікаво, не соромтеся купувати цю книгу, оскільки вона широко вважається Біблією на цю тему. Друге видання включає багато важливих структурних та змістових змін, тож отримайте його, якщо це можливо.

Навчання на даних Yaser S. Абу-Мостафа, Малік Магдон-Ісмаїл, Сюань-Тянь Лінь.

Доступні: на Амазонці

Опубліковано: 2012
Кількість сторінок: 213

Вивчення даних - це короткий, але відносно повний вступ до машинного навчання та його практичного застосування у фінансах, комерції, науці та техніці. Книга заснована на навчальному матеріалі, що складався понад десять років, який автори переклали на підбірку основних тем, які повинні розуміти всі, хто цікавиться предметом. Це чудово для початківців, які не мають багато часу для вивчення теорії машинного навчання, особливо якщо читати їх разом із циклами лекцій Язера на YouTube.

Нейронні мережі та глибоке навчання: Підручник Чару Сі. Аггарвал

Доступні: на Амазонці

Опубліковано: 2018
Кількість сторінок: 497

Нейронні мережі - це один із способів машинного навчання, і цей підручник може допомогти вам зрозуміти теорію, яка стоїть за ними. Як і машинне навчання в цілому, ця книга математично напружена, тому не сподівайтесь зайти занадто далеко, якщо ваша математика заіржавіла. Тим не менш, автор робить чудову роботу, пояснюючи математику за всіма наведеними прикладами та проводячи читача через різні складні сценарії.

Машинне навчання для абсолютно початківців: звичайний вступ до англійської мови (2й Видання) Олівера Теобальда

Доступні: на Амазонці

Опубліковано: 2017
Кількість сторінок: 157

Якщо ви зацікавлені в машинному навчанні, але не обов’язково почуваєтесь комфортно читаючи довгі підручники з цього питання, ви можете віддати перевагу цій книзі, зручній для початківців, яка пропонує практичне та висококласне знайомство з машинною мовою на простому англійському. Наприкінці цієї книги ви будете знати, як передбачити домашні значення за допомогою вашої першої моделі машинного навчання, створеної в Python.

Генеративне глибоке навчання: Навчання машинам малювання, написання, складання та гри Девіда Фостера

Доступні: на Амазонці

Опубліковано: 2019
Кількість сторінок: 330

Багато було написано та сказано про генеративні змагальні мережі (GAN), одну з найгарячіших тем у галузі машинного навчання сьогодні. Якщо ви хочете зрозуміти, як вони та інші генеративні моделі глибокого навчання працюють під капотом, ця книга Девіда Фостера є чудовою відправною точкою, якщо у вас є досвід кодування на Python.

Top 10 Games to Play on Ubuntu
Windows platform has been one of the dominating platforms for gaming because of the huge percentage of games that are developing today to natively sup...
5 найкращих аркадних ігор для Linux
В наш час комп’ютери - це серйозні машини, що використовуються для ігор. Якщо ви не можете отримати новий високий бал, ви зрозумієте, що я маю на уваз...
Битва за Веснот 1.13.6 Розробка випущена
Битва за Веснот 1.13.6, випущений минулого місяця, є шостим випуском розробки в 1.13.x, і це забезпечує низку вдосконалень, особливо до інтерфейсу кор...