J'ai fait une sélection de livres d'apprentissage automatique pour ceux qui veulent comprendre quoi et comment.
Marquez et partagez avec vos collègues!
Livres d'apprentissage automatique en russe
1.
"Les fondements mathématiques de l'apprentissage automatique et de la prévision" Vladimir Vyugin.
Qu'en est-ilTout d'abord, apprenez les bases de la théorie statistique de l'apprentissage automatique, des jeux prédictifs et des prévisions à l'aide de stratégies expertes. Leurs fondements sont parfaitement expliqués par l'auteur du livre, docteur en sciences physiques et mathématiques Vladimir Vyugin. Le manuel est conçu pour les étudiants et les étudiants diplômés et, sous une forme accessible, définit les fondements mathématiques nécessaires pour poursuivre les travaux avec l'apprentissage automatique.
2.
"Algorithme suprême" Pedro Domingos.
Qu'en est-ilLe livre, grâce auquel les gens qui ne comprennent même rien en mathématiques et en statistiques, comprendront ce que sont les algorithmes d'apprentissage automatique et quelle est leur application dans la vie. Le professeur Pedro Domingos parle des cinq principales écoles d'apprentissage automatique et de la façon dont elles utilisent les idées de divers domaines de la connaissance scientifique - neurobiologie, physique, statistiques, biologie - pour aider les gens à résoudre des problèmes complexes et simplifier les routines à l'aide d'algorithmes.
3.
«Machine Learning» par Henrik Brink, Joseph Richards, Mark Feverolf.
Qu'en est-ilCe livre de l'édition 2017 est disponible sur Machine Learning - pour ceux qui n'ont rien entendu sur ces technologies. Il n'y a pas de statistiques, de mathématiques ou d'explications détaillées et détaillées sur la façon d'utiliser l'un ou l'autre algorithme. Les auteurs expliquent facilement ce qu'est l'apprentissage automatique et comment l'appliquer dans la vie quotidienne. Les exemples du livre sont donnés dans le langage de programmation Python, qui est également utilisé dans ce domaine.
4.
«Apprentissage automatique à grande échelle avec Python». Bastian Chardin, Luca Massaron, Alberto Bosketti.
Qu'en est-ilUn autre grand livre pour les débutants sur leur voyage dans la programmation et l'analyse de Big Data. Les auteurs affirment que grâce à cela, le lecteur apprendra à construire indépendamment des modèles d'apprentissage automatique et à déployer des applications de prévision à grande échelle. Le livre explique quels algorithmes sont inclus dans la famille évolutive, ce qu'ils sont et comment traiter des fichiers volumineux avec leur aide. Vous apprendrez également ce qu'est le paradigme informatique MapReduce et comment travailler avec des algorithmes de machine sur les plates-formes Hadoop et Spark en Python.
5.
«Python et apprentissage automatique» par Sebastian Raska.
Qu'en est-ilUn livre pour les débutants qui apprennent Python et l'apprentissage automatique. La publication contient des manuels détaillés, même sur des nuances telles que l'installation d'une application spécialisée Jupyter Notebook.
Le livre couvre les bases du Machine Learning, les capacités des bibliothèques Python les plus puissantes pour l'analyse de données, et répond à la question de savoir pourquoi ce langage est l'un des leaders de la science des données.
6.
"Méthodes de traitement et de reconnaissance des images faciales dans les problèmes biométriques" Georgy Kukharev, Ekaterina Kamenskaya, Yuri Matveev, Nadezhda Shchegoleva
Qu'en est-ilMalgré le fait que ce livre soit destiné aux débutants et présente les principes de base de l'intelligence artificielle - en particulier, la technologie de reconnaissance faciale - une formation complète est toujours requise pour comprendre pleinement la terminologie et vous plonger confortablement dans la lecture. Il aborde des problèmes biométriques tels que les méthodes d'analyse des images faciales, l'obtention de données sources à partir de scènes réelles, la structure des systèmes de reconnaissance, etc. Des exemples dans la monographie sont donnés dans le langage d'apprentissage machine MATLAB. Si vous n'avez pas de connaissances techniques, mais que vous souhaitez tout de même lire le livre - des termes inconnus peuvent être google, cela suffit pour ne ressentir aucune gêne lors de la lecture.
7.
«Apprentissage automatique. La science et l'art de construire des algorithmes qui extraient les connaissances des données » Peter Flach.
Qu'en est-ilCette illustration en couleur est également destinée aux débutants et aborde les problèmes généraux d'apprentissage automatique. Alors que le lecteur plonge dans le sujet, l'auteur révèle de plus en plus de détails, mais le livre n'est pas trop difficile à comprendre: toute la nouvelle terminologie est expliquée, et les modèles statistiques et logiques sont décrits dans un langage compréhensible pour un lecteur non préparé.
8. «Apprendre avec renforcement», Richard S. Sutton, Andrew G. Barto.
Qu'en est-ilL'apprentissage renforcé est l'un des domaines de l'intelligence artificielle. Brièvement et sous sa forme la plus générale, son essence peut être énoncée comme suit: la machine apprend à agir dans l'environnement, acquiert une expérience intuitive, puis observe ses résultats. Le livre décrit de manière exhaustive le concept d'apprentissage avec renforcement - des idées fondamentales aux réalisations modernes dans ce domaine.
Livres d'apprentissage automatique en anglais
Tous les livres sont conçus pour les débutants sans expérience avec les technologies d'intelligence artificielle ou les spécialistes ayant une petite formation technique. L'objectif de la majorité est d'introduire des principes de base, des concepts, des idées et certains algorithmes d'apprentissage automatique.
9.
«Raisonnement bayésien et apprentissage automatique» par David Barber.
Qu'en est-ilLe livre de David Barber est écrit pour les étudiants et les diplômés avec une connaissance minimale de l'algèbre et de l'analyse mathématique - c'est-à-dire qu'il est idéal pour commencer à apprendre l'apprentissage automatique. Comme son nom l'indique, il est centré sur l'inférence statistique bayésienne. Le livre vous permet de développer des compétences analytiques et de trouver de nouvelles façons de résoudre les problèmes liés à l'utilisation d'algorithmes d'apprentissage automatique. Chaque chapitre est accompagné d'exemples, de tâches pratiques et théoriques.
10.
«Introduction à l'apprentissage automatique» Nils J. Nilsson
Qu'en est-il
Ce livre n'est pas un manuel, un recueil de problèmes pratiques ou des recherches théoriques. Il s'agit d'une sorte de «pont» entre la théorie et la pratique de l'apprentissage automatique. Avec son aide, le lecteur peut se préparer à une étude plus approfondie des sujets d'apprentissage automatique et de science des données.
11.
«Les éléments de l'apprentissage statistique. Exploration de données, inférence et prédiction » Trevor Hastie, Robert Tibshirani, Jerome Friedman.
Qu'en est-ilCe didacticiel décrit conceptuellement les idées de la science des données, c'est-à-dire sans formules et concepts mathématiques complexes. Il contient de nombreux exemples illustratifs qui révèlent davantage l'essence de ce qui est écrit. La portée du livre est large: de l'apprentissage contrôlé (prévision) à l'apprentissage sans professeur. Les sujets traités comprennent les réseaux de neurones, les méthodes de vecteurs de support, les arbres de classification et le boosting. Les auteurs du livre enseignent aux professeurs, créateurs de manuels et d'outils d'exploration de données.
12.
Apprentissage automatique, classification neuronale et statistique D. Michie, DJ Spiegelhalter, CC Taylor.
Qu'en est-ilCette publication présente les principales approches modernes des problèmes de classification: apprentissage automatique, statistiques et réseaux de neurones. Les auteurs ont comparé l'efficacité des méthodes pour divers indicateurs et ont conclu que chacun d'entre eux est plus adapté à la résolution de problèmes commerciaux et industriels.
13.
«Créez votre propre réseau de neurones» Tariq Rashid.
Qu'en est-ilL'avantage du livre est la faible exigence de connaissances mathématiques de base du lecteur. Même avec un cours d'école dans votre tête, vous pouvez le lire, comprendre, maîtriser les concepts de base et apprendre à programmer vos propres algorithmes de reconnaissance d'image en Python. Toutes les idées mathématiques au cœur du dispositif de réseau neuronal sont servies avec sauce à partir d'un grand nombre d'illustrations et d'exemples, ce qui simplifie la perception.
14.
"Intelligence artificielle: une approche moderne" Stuart Russell, Peter Norvig.
Qu'en est-ilManuel pour les étudiants de première année. Il est souvent utilisé comme introduction à la science des données dans de nombreux programmes d'enseignement universitaire. Si vous êtes intéressé par la conception de réseaux de neurones spécifiquement pour la création d'intelligence artificielle, nous vous le recommandons comme premier livre sur ce sujet.
15.
«Apprendre des données» Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin.
Qu'en est-ilLe livre est sous-titré «Un cours court» et présente brièvement au lecteur les bases de l'apprentissage automatique. Si vous venez de commencer à vous plonger dans ce qui se passe dans le monde de la science des données et à lire plusieurs articles sur Internet, c'est l'idéal pour comprendre le sujet un peu plus en profondeur.