Eine Auswahl von Büchern zum maschinellen Lernen für diejenigen, die herausfinden möchten, was und wie.
Lesezeichen setzen und mit Kollegen teilen!
Bücher zum maschinellen Lernen auf Russisch
1.
"Die mathematischen Grundlagen des maschinellen Lernens und Prognostizierens" Vladimir Vyugin.
WorüberLernen Sie zunächst die Grundlagen der statistischen Theorie des maschinellen Lernens, der Vorhersagespiele und der Vorhersage mithilfe von Expertenstrategien. Ihre Grundlagen werden vom Autor des Buches, Doktor der physikalischen und mathematischen Wissenschaften Vladimir Vyugin, perfekt erklärt. Das Handbuch richtet sich an Studierende und Doktoranden und enthält in zugänglicher Form die mathematischen Grundlagen, die für die weitere Arbeit mit maschinellem Lernen erforderlich sind.
2.
"Oberster Algorithmus" Pedro Domingos.
WorüberDas Buch, dank dessen Menschen, die in Mathematik und Statistik nicht einmal etwas verstehen, verstehen werden, was Algorithmen für maschinelles Lernen sind und welche Anwendung sie im Leben haben. Professor Pedro Domingos spricht über die fünf wichtigsten Schulen für maschinelles Lernen und wie sie Ideen aus verschiedenen Bereichen des wissenschaftlichen Wissens - Neurobiologie, Physik, Statistik, Biologie - verwenden, um Menschen bei der Lösung komplexer Probleme zu helfen und Routinen mithilfe von Algorithmen zu vereinfachen.
3.
„Maschinelles Lernen“ von Henrik Brink, Joseph Richards und Mark Feverolf.
WorüberDieses Buch der Ausgabe 2017 ist über maschinelles Lernen erhältlich - für diejenigen, die noch nichts über diese Technologien gehört haben. Es gibt keine abstrusen Statistiken, Mathematik oder ausführlichen und detaillierten Erklärungen zur Verwendung des einen oder anderen Algorithmus. Die Autoren erklären leicht, was maschinelles Lernen ist und wie man es im Alltag anwendet. Die Beispiele in diesem Buch sind in der Programmiersprache Python enthalten, die auch in diesem Bereich verwendet wird.
4.
„Maschinelles Lernen in großem Maßstab mit Python.“ Bastian Chardin, Luca Massaron, Alberto Bosketti.
WorüberEin weiteres großartiges Buch für Anfänger auf ihrem Weg in die Programmierung und Big-Data-Analyse. Die Autoren behaupten, dass der Leser dank dessen lernen wird, wie er unabhängig Modelle für maschinelles Lernen erstellen und umfangreiche Prognoseanwendungen bereitstellen kann. Das Buch erklärt, welche Algorithmen in der skalierbaren Familie enthalten sind, was sie sind und wie große Dateien mit ihrer Hilfe verarbeitet werden können. Außerdem erfahren Sie, was das MapReduce-Computerparadigma ist und wie Sie mit Maschinenalgorithmen auf den Hadoop- und Spark-Plattformen in Python arbeiten.
5.
"Python und maschinelles Lernen" von Sebastian Raska.
WorüberEin Buch für Anfänger, die Python und maschinelles Lernen lernen. Die Veröffentlichung enthält detaillierte Handbücher, auch zu Nuancen wie der Installation einer speziellen Anwendung Jupyter Notebook.
Das Buch behandelt die Grundlagen des maschinellen Lernens, die Funktionen der leistungsstärksten Python-Bibliotheken für die Datenanalyse und beantwortet die Frage, warum diese Sprache zu den führenden in der Datenwissenschaft gehört.
6.
"Methoden zur Verarbeitung und Erkennung von Gesichtsbildern bei biometrischen Problemen" Georgy Kukharev, Ekaterina Kamenskaya, Yuri Matveev, Nadezhda Shchegoleva
WorüberTrotz der Tatsache, dass dieses Buch für Anfänger gedacht ist und die Grundprinzipien der künstlichen Intelligenz - insbesondere die Gesichtserkennungstechnologie - einführt, ist ein vollständiger Hintergrund erforderlich, um die Terminologie vollständig zu verstehen und bequem in das Lesen einzutauchen. Es befasst sich mit biometrischen Problemen wie Methoden zur Analyse von Gesichtsbildern, dem Abrufen von Quelldaten aus realen Szenen, der Struktur von Erkennungssystemen und anderen. Beispiele in der Monographie sind in der maschinellen Lernsprache MATLAB angegeben. Wenn Sie kein technisches Hintergrundwissen haben, das Buch aber dennoch lesen möchten - unbekannte Begriffe können Google sein. Dies reicht aus, um beim Lesen keine Beschwerden zu bekommen.
7.
„Maschinelles Lernen. Wissenschaft und die Kunst, Algorithmen zu konstruieren, die Wissen aus Daten extrahieren “ Peter Flach.
WorüberDiese Farbabbildung ist auch für Anfänger gedacht und befasst sich mit allgemeinen Problemen des maschinellen Lernens. Während der Leser in das Thema eintaucht, enthüllt der Autor immer mehr Details, aber das Buch ist nicht allzu schwer zu verstehen: Alle neuen Begriffe werden erklärt, und statistische und logische Modelle werden in einer Sprache beschrieben, die für einen unvorbereiteten Leser verständlich ist.
8. „Lernen mit Verstärkung“, Richard S. Sutton, Andrew G. Barto.
WorüberVerstärktes Lernen ist einer der Bereiche der künstlichen Intelligenz. Kurz und in seiner allgemeinsten Form kann sein Wesen wie folgt ausgedrückt werden: Die Maschine lernt, in der Umgebung zu handeln, intuitive Erfahrungen zu sammeln und beobachtet dann ihre Ergebnisse. Das Buch skizziert umfassend das Konzept des Lernens mit Verstärkung - von grundlegenden Ideen bis zu modernen Errungenschaften auf diesem Gebiet.
Bücher zum maschinellen Lernen auf Englisch
Alle Bücher sind für Anfänger ohne Erfahrung mit Technologien der künstlichen Intelligenz oder Spezialisten mit einem kleinen technischen Hintergrund konzipiert. Das Ziel der Mehrheit ist die Einführung grundlegender Prinzipien, Konzepte, Ideen und einiger Algorithmen für maschinelles Lernen.
9.
"Bayesian Reasoning and Machine Learning" von David Barber.
WorüberDas Buch von David Barber richtet sich an Studenten und Absolventen mit minimalen Kenntnissen in Algebra und mathematischer Analyse - das heißt, es ist ideal, um maschinelles Lernen zu erlernen. Wie der Name schon sagt, dreht sich alles um die Bayes'sche statistische Inferenz. Das Buch ermöglicht es Ihnen, analytische Fähigkeiten zu entwickeln und neue Wege zu finden, um Probleme bei der Arbeit mit Algorithmen für maschinelles Lernen zu lösen. Jedes Kapitel wird von Beispielen, praktischen und theoretischen Aufgaben begleitet.
10.
„Einführung in das maschinelle Lernen“ Nils J. Nilsson
Worüber
Dieses Buch ist kein Lehrbuch, keine Sammlung praktischer Probleme oder theoretische Forschung. Dies ist eine Art "Brücke" von der Theorie zur Praxis des maschinellen Lernens. Mit seiner Hilfe kann sich der Leser auf das weitere Studium von Themen des maschinellen Lernens und der Datenwissenschaft vorbereiten.
11.
„Die Elemente des statistischen Lernens. Data Mining, Inferenz und Vorhersage » Trevor Hastie, Robert Tibshirani, Jerome Friedman.
WorüberDieses Tutorial beschreibt konzeptionell die Ideen der Datenwissenschaft, dh ohne komplexe mathematische Formeln und Konzepte. Es enthält viele anschauliche Beispiele, die das Wesentliche des Geschriebenen weiter offenbaren. Der Umfang des Buches ist breit: vom kontrollierten Lernen (Prognose) bis zum Lernen ohne Lehrer. Zu den behandelten Themen gehören neuronale Netze, Support-Vektor-Methoden, Klassifizierungsbäume und Boosting. Die Autoren des Buches unterrichten Professoren, Schöpfer von Lehrbüchern und Data Mining-Tools.
12.
Maschinelles Lernen, neuronale und statistische Klassifikation. D. Michie, DJ Spiegelhalter, CC Taylor.
WorüberDiese Veröffentlichung beschreibt die wichtigsten modernen Ansätze für Klassifizierungsprobleme: maschinelles Lernen, Statistik und neuronale Netze. Die Autoren verglichen die Wirksamkeit der Methoden für verschiedene Indikatoren und kamen zu dem Schluss, dass jeder von ihnen besser zur Lösung kommerzieller und industrieller Probleme geeignet ist.
13.
"Machen Sie Ihr eigenes neuronales Netzwerk" Tariq Rashid.
WorüberDer Vorteil des Buches sind die geringen Anforderungen an das mathematische Hintergrundwissen des Lesers. Selbst mit einem Schulkurs im Kopf können Sie ihn lesen, verstehen, die Grundkonzepte beherrschen und lernen, wie Sie Ihre eigenen Bilderkennungsalgorithmen in Python programmieren. Alle mathematischen Ideen im Kern des neuronalen Netzwerkgeräts werden mit Sauce aus einer Vielzahl von Abbildungen und Beispielen serviert, was die Wahrnehmung vereinfacht.
14.
"Künstliche Intelligenz: Ein moderner Ansatz" Stuart Russell, Peter Norvig.
WorüberLehrbuch für Studienanfänger. Es wird häufig als Einführung in Data Science in vielen Lehrprogrammen der Universität verwendet. Wenn Sie daran interessiert sind, neuronale Netze speziell für die Erzeugung künstlicher Intelligenz zu entwerfen, empfehlen wir sie als erstes Buch zu diesem Thema.
15.
„Aus Daten lernen“ Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin.
WorüberDas Buch trägt den Untertitel „Ein kurzer Kurs“ und führt den Leser kurz in die Grundlagen des maschinellen Lernens ein. Wenn Sie gerade erst angefangen haben, sich mit den Entwicklungen in der Welt der Datenwissenschaft auseinanderzusetzen und mehrere Artikel im Internet zu lesen, ist dies ideal, um das Thema etwas tiefer zu verstehen.