Fiz uma seleção de livros de Machine Learning para quem quer descobrir o que e como.
Marque e compartilhe com colegas!
Livros de aprendizado de máquina em russo
1.
"Os fundamentos matemáticos do aprendizado de máquina e previsão" Vladimir Vyugin.
Que talPrimeiro, aprenda o básico da teoria estatística do aprendizado de máquina, jogos preditivos e previsão usando estratégias especializadas. Suas fundações são perfeitamente explicadas pelo autor do livro, doutor em ciências físicas e matemáticas Vladimir Vyugin. O manual foi desenvolvido para estudantes e estudantes de pós-graduação e, de forma acessível, define os fundamentos matemáticos necessários para o trabalho adicional com o aprendizado de máquina.
2.
"Algoritmo Supremo" Pedro Domingos.
Que talO livro, graças ao qual as pessoas que nem sequer entendem nada em matemática e estatística, entenderão o que são algoritmos de aprendizado de máquina e qual é sua aplicação na vida. O professor Pedro Domingos fala sobre as cinco principais escolas de aprendizado de máquina e como elas usam idéias de vários campos do conhecimento científico - neurobiologia, física, estatística, biologia - para ajudar as pessoas a resolver problemas complexos e simplificar rotinas usando algoritmos.
3.
“Machine Learning” de Henrik Brink, Joseph Richards, Mark Feverolf.
Que talEste livro da edição de 2017 está disponível no Machine Learning - para aqueles que não ouviram nada sobre essas tecnologias. Não há estatísticas abstrusas, matemática ou explicações detalhadas e detalhadas de como usar um ou outro algoritmo. Os autores explicam facilmente o que é o aprendizado de máquina e como aplicá-lo na vida cotidiana. Os exemplos do livro são dados na linguagem de programação Python, que também é usada nesta área.
4.
“Aprendizado de máquina em larga escala com Python.” Bastian Chardin, Luca Massaron, Alberto Bosketti.
Que talOutro ótimo livro para iniciantes em sua jornada em programação e análise de big data. Os autores afirmam que, graças a isso, o leitor aprenderá a criar independentemente modelos de aprendizado de máquina e implantar aplicativos de previsão em larga escala. O livro fala sobre quais algoritmos estão incluídos na família escalável, o que são e como processar arquivos grandes com a ajuda deles. Você também aprenderá qual é o paradigma de computação do MapReduce e como trabalhar com algoritmos de máquina nas plataformas Hadoop e Spark no Python.
5.
“Python e aprendizado de máquina”, de Sebastian Raska.
Que talUm livro para iniciantes que aprendem Python e aprendizado de máquina. A publicação contém manuais detalhados, mesmo em nuances como a instalação de um aplicativo especializado Jupyter Notebook.
O livro aborda os conceitos básicos de aprendizado de máquina, os recursos das bibliotecas Python mais poderosas para análise de dados e responde à pergunta de por que essa linguagem é um dos líderes em ciência de dados.
6.
"Métodos de processamento e reconhecimento de imagens faciais em problemas biométricos" Georgy Kukharev, Ekaterina Kamenskaya, Yuri Matveev, Nadezhda Shchegoleva
Que talApesar de este livro ser destinado a iniciantes e apresentar os princípios básicos da inteligência artificial - em particular a tecnologia de reconhecimento de rosto - ainda é necessário um histórico completo para entender completamente a terminologia e mergulhar confortavelmente na leitura. Ele aborda questões biométricas, como métodos de análise de imagens faciais, obtenção de dados de origem de cenas reais, estrutura de sistemas de reconhecimento e outros. Exemplos na monografia são dados na linguagem de aprendizado de máquina MATLAB. Se você não possui conhecimento técnico prévio, mas ainda deseja ler o livro - termos desconhecidos podem ser o google, isso é suficiente para não causar nenhum desconforto ao ler.
7.
“Aprendizado de máquina. Ciência e arte de construir algoritmos que extraem conhecimento de dados ” Peter Flach.
Que talEsta ilustração em cores também se destina a iniciantes e aborda amplos problemas de aprendizado de máquina. À medida que o leitor mergulha no tópico, o autor revela mais e mais detalhes, mas o livro não é muito difícil de entender: toda nova terminologia é explicada e modelos estatísticos e lógicos são descritos em uma linguagem compreensível para um leitor despreparado.
8. “Aprendendo com reforço”, Richard S. Sutton, Andrew G. Barto.
Que talO aprendizado reforçado é uma das áreas da inteligência artificial. Resumidamente e em sua forma mais geral, sua essência pode ser declarada da seguinte forma: a máquina aprende a agir no ambiente, adquirindo experiência intuitiva e depois observa seus resultados. O livro descreve detalhadamente o conceito de aprendizado com reforço - de idéias fundamentais a realizações modernas neste campo.
Livros de aprendizado de máquina em inglês
Todos os livros são projetados para iniciantes sem experiência com tecnologias de inteligência artificial ou especialistas com uma pequena formação técnica. O objetivo da maioria é introduzir princípios, conceitos, idéias e alguns algoritmos de aprendizado de máquina.
9.
“Raciocínio Bayesiano e Aprendizado de Máquina”, de David Barber.
Que talO livro de David Barber é escrito para estudantes e graduados com conhecimento mínimo de álgebra e análise matemática - ou seja, é ótimo para começar a aprender o aprendizado de máquina. Como o nome indica, ele é centrado em torno da inferência estatística bayesiana. O livro permite que você desenvolva habilidades analíticas e encontre novas maneiras de resolver problemas ao trabalhar com algoritmos de aprendizado de máquina. Cada capítulo é acompanhado por exemplos, tarefas práticas e teóricas.
10.
“Introdução ao aprendizado de máquina” Nils J. Nilsson
Que tal
Este livro não é um livro, uma coleção de problemas práticos ou pesquisa teórica. Este é um tipo de "ponte" da teoria para a prática de aprendizado de máquina. Com sua ajuda, o leitor pode se preparar para um estudo mais aprofundado dos tópicos de Machine Learning e de ciência de dados.
11.
“Os elementos da aprendizagem estatística. Mineração, inferência e previsão de dados » Trevor Hastie, Robert Tibshirani, Jerome Friedman.
Que talEste tutorial descreve conceitualmente as idéias da ciência de dados, isto é, sem fórmulas e conceitos matemáticos complexos. Ele contém muitos exemplos ilustrativos que revelam ainda mais a essência do que está escrito. O escopo do livro é amplo: do aprendizado controlado (previsão) ao aprendizado sem um professor. Os tópicos abordados incluem redes neurais, métodos de vetores de suporte, árvores de classificação e reforço. Os autores do livro são professores, criadores de livros didáticos e ferramentas de mineração de dados.
12.
Aprendizado de Máquina, Classificação Neural e Estatística D. Michie, DJ Spiegelhalter, CC Taylor.
Que talEsta publicação descreve as principais abordagens modernas para problemas de classificação: aprendizado de máquina, estatística e redes neurais. Os autores compararam a eficácia dos métodos para vários indicadores e concluíram que cada um deles é mais adequado para solucionar problemas comerciais e industriais.
13.
“Crie sua própria rede neural” Tariq Rashid.
Que talA vantagem do livro são os baixos requisitos para o conhecimento matemático em segundo plano do leitor. Mesmo com um curso escolar em sua cabeça, você pode lê-lo, entender, dominar os conceitos básicos e aprender a programar seus próprios algoritmos de reconhecimento de imagem em Python. Todas as idéias matemáticas no núcleo do dispositivo de rede neural são servidas com molho de um grande número de ilustrações e exemplos, o que simplifica a percepção.
14.
"Inteligência Artificial: Uma Abordagem Moderna" Stuart Russell, Peter Norvig.
Que talLivro didático para alunos do primeiro ano. É frequentemente usado como uma introdução à Ciência de Dados em muitos programas de ensino universitário. Se você estiver interessado em projetar redes neurais especificamente para criar inteligência artificial, recomendamos como o primeiro livro sobre esse tópico.
15.
“Aprendendo com dados” Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin.
Que talO livro tem o subtítulo "Um curso breve" e apresenta brevemente o leitor aos conceitos básicos do aprendizado de máquina. Se você começou a se aprofundar no que está acontecendo no mundo da ciência de dados e a ler vários artigos na Internet, é ideal entender um pouco mais o assunto.