Hizo una selección de libros de Machine Learning para aquellos que quieren descubrir qué y cómo.
Marcar y compartir con colegas!
Libros de aprendizaje automático en ruso
1.
"Los fundamentos matemáticos del aprendizaje automático y la previsión" Vladimir Vyugin.
Que pasa conPrimero, aprenda los conceptos básicos de la teoría estadística del aprendizaje automático, los juegos predictivos y el pronóstico utilizando estrategias expertas. Sus fundamentos están perfectamente explicados por el autor del libro, doctor en ciencias físicas y matemáticas Vladimir Vyugin. El manual está diseñado para estudiantes y estudiantes de posgrado y, en una forma accesible, establece los fundamentos matemáticos necesarios para seguir trabajando con el aprendizaje automático.
2.
"Algoritmo Supremo" Pedro Domingos.
Que pasa conEl libro, gracias al cual las personas que ni siquiera entienden nada de matemáticas y estadísticas, comprenderán qué son los algoritmos de aprendizaje automático y cuál es su aplicación en la vida. El profesor Pedro Domingos habla sobre las cinco escuelas principales de Machine Learning y cómo utilizan ideas de diversos campos del conocimiento científico (neurobiología, física, estadística, biología) para ayudar a las personas a resolver problemas complejos y simplificar las rutinas utilizando algoritmos.
3.
"Aprendizaje automático" por Henrik Brink, Joseph Richards, Mark Feverolf.
Que pasa conEste libro de la edición 2017 está disponible en Machine Learning, para aquellos que no han escuchado nada sobre estas tecnologías. No hay estadísticas, matemáticas o explicaciones detalladas y detalladas sobre cómo usar uno u otro algoritmo. Los autores explican fácilmente qué es el aprendizaje automático y cómo aplicarlo en la vida cotidiana. Los ejemplos en el libro se dan en el lenguaje de programación Python, que también se usa en esta área.
4.
"Aprendizaje automático a gran escala con Python". Bastian Chardin, Luca Massaron, Alberto Bosketti.
Que pasa conOtro gran libro para principiantes en su viaje en programación y análisis de big data. Los autores afirman que gracias a esto, el lector aprenderá a construir independientemente modelos de aprendizaje automático e implementar aplicaciones de pronóstico a gran escala. El libro informa sobre qué algoritmos están incluidos en la familia escalable, cuáles son y cómo procesar archivos grandes con su ayuda. También aprenderá qué es el paradigma de computación MapReduce y cómo trabajar con algoritmos de máquina en las plataformas Hadoop y Spark en Python.
5.
"Python y el aprendizaje automático" de Sebastian Raska.
Que pasa conUn libro para principiantes que aprenden Python y machine learning. La publicación contiene manuales detallados, incluso sobre matices como la instalación de una aplicación especializada Jupyter Notebook.
El libro cubre los conceptos básicos de Machine Learning, las capacidades de las bibliotecas de Python más potentes para el análisis de datos, y responde a la pregunta de por qué este lenguaje es uno de los líderes en Data Science.
6.
"Métodos de procesamiento y reconocimiento de imágenes faciales en problemas biométricos" Georgy Kukharev, Ekaterina Kamenskaya, Yuri Matveev, Nadezhda Shchegoleva
Que pasa conA pesar del hecho de que este libro está destinado a principiantes e introduce los principios básicos de la inteligencia artificial, en particular, la tecnología de reconocimiento facial, aún se necesita una formación completa para comprender completamente la terminología y sumergirse cómodamente en la lectura. Aborda cuestiones biométricas como los métodos de análisis de imágenes faciales, la obtención de datos fuente de escenas reales, la estructura de los sistemas de reconocimiento y otros. Se dan ejemplos en la monografía en lenguaje de aprendizaje automático MATLAB. Si no tiene conocimientos técnicos, pero aún quiere leer el libro, los términos desconocidos pueden ser google, esto es suficiente para no experimentar ninguna molestia al leer.
7.
“Aprendizaje automático. La ciencia y el arte de construir algoritmos que extraen conocimiento de los datos ” Peter Flach.
Que pasa conEsta ilustración en color también está destinada a principiantes y aborda problemas generales de aprendizaje automático. A medida que el lector se sumerge en el tema, el autor revela más y más detalles, pero el libro no es demasiado difícil de entender: se explica toda la nueva terminología y se describen modelos estadísticos y lógicos en un lenguaje que es comprensible para un lector no preparado.
8. "Aprendiendo con refuerzo", Richard S. Sutton, Andrew G. Barto.
Que pasa conEl aprendizaje reforzado es una de las áreas de la inteligencia artificial. Brevemente y en su forma más general, su esencia puede expresarse de la siguiente manera: la máquina aprende a actuar en el entorno, adquiere experiencia intuitiva y luego observa sus resultados. El libro describe de manera exhaustiva el concepto de aprendizaje con refuerzo, desde ideas fundamentales hasta logros modernos en este campo.
Libros de aprendizaje automático en inglés
Todos los libros están diseñados para principiantes sin experiencia con tecnologías de inteligencia artificial o especialistas con una pequeña formación técnica. El objetivo de la mayoría es introducir principios básicos, conceptos, ideas y algunos algoritmos de aprendizaje automático.
9.
"Razonamiento bayesiano y aprendizaje automático" por David Barber.
Que pasa conEl libro de David Barber está escrito para estudiantes y graduados con un conocimiento mínimo de álgebra y análisis matemático, es decir, es excelente para comenzar a aprender el aprendizaje automático. Como su nombre lo indica, se centra en la inferencia estadística bayesiana. El libro le permite desarrollar habilidades analíticas y encontrar nuevas formas de resolver problemas al trabajar con algoritmos de aprendizaje automático. Cada capítulo va acompañado de ejemplos, tareas prácticas y teóricas.
10.
"Introducción al aprendizaje automático" Nils J. Nilsson
Que pasa con
Este libro no es un libro de texto, una colección de problemas prácticos o investigaciones teóricas. Este es un tipo de "puente" de la teoría a la práctica del aprendizaje automático. Con su ayuda, el lector puede prepararse para seguir estudiando el aprendizaje automático y los temas de ciencia de datos.
11.
“Los elementos del aprendizaje estadístico. Minería de datos, inferencia y predicción » Trevor Hastie, Robert Tibshirani, Jerome Friedman.
Que pasa conEste tutorial describe conceptualmente las ideas de la ciencia de datos, es decir, sin fórmulas y conceptos matemáticos complejos. Contiene muchos ejemplos ilustrativos que revelan aún más la esencia de lo que está escrito. El alcance del libro es amplio: del aprendizaje controlado (pronóstico) al aprendizaje sin un maestro. Los temas cubiertos incluyen redes neuronales, métodos de vectores de soporte, árboles de clasificación e impulso. Los autores del libro son profesores docentes, creadores de libros de texto y herramientas de minería de datos.
12.
Aprendizaje automático, clasificación neural y estadística D. Michie, DJ Spiegelhalter, CC Taylor.
Que pasa conEsta publicación describe los principales enfoques modernos para los problemas de clasificación: aprendizaje automático, estadísticas y redes neuronales. Los autores compararon la efectividad de los métodos para varios indicadores y concluyeron que cada uno de ellos es más adecuado para resolver problemas comerciales e industriales.
13.
"Crea tu propia red neuronal" Tariq Rashid.
Que pasa conLa ventaja del libro son los bajos requisitos para el conocimiento matemático básico del lector. Incluso con un curso escolar en mente, puede leerlo, comprenderlo, dominar los conceptos básicos y aprender a programar sus propios algoritmos de reconocimiento de imágenes en Python. Todas las ideas matemáticas en el núcleo del dispositivo de red neuronal se sirven con salsa de una gran cantidad de ilustraciones y ejemplos, lo que simplifica la percepción.
14.
"Inteligencia artificial: un enfoque moderno" Stuart Russell, Peter Norvig.
Que pasa conLibro de texto para estudiantes de primer año. A menudo se usa como una introducción a la ciencia de datos en muchos programas de enseñanza universitaria. Si está interesado en diseñar redes neuronales específicamente para crear inteligencia artificial, lo recomendamos como el primer libro sobre este tema.
15.
"Aprendiendo de los datos" Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin.
Que pasa conEl libro se subtitula "Un curso corto" y presenta brevemente al lector los conceptos básicos del aprendizaje automático. Si acaba de comenzar a profundizar en lo que está sucediendo en el mundo de la ciencia de datos y leer varios artículos en Internet, entonces esto es ideal para comprender el tema un poco más profundo.