Тогава няма изненада, че толкова много хора обмислят да влязат в очарователния свят на компютърните алгоритми, които се подобряват автоматично чрез опит. Ако сте сред тях - или ако просто искате да преодолеете шума и да разберете какво всъщност е машинното обучение - нашата селекция от 20-те най-добри учебника за машинно обучение може да ви помогне да постигнете целите си.
Изкуствен интелект: модерен подход (4-то издание) от Питър Норвиг и Стюарт Дж. Ръсел
На разположение: на Amazon
Публикувано: 2020 г
Брой страници: 1136
Решаването с кой учебник за машинно обучение да започне не беше трудно, защото изкуственият интелект: модерен подход се препоръчва на студенти от университети по света. Сега в своята 4ти издание, книгата се справя фантастично с представянето на областта на изкуствения интелект (машинното обучение е подмножество на ИИ) за начинаещи, а също така обхваща широк спектър от свързани изследователски теми, предоставяйки полезни справки за по-нататъшно проучване. Според авторите му този голям учебник трябва да отнеме около два семестъра, така че не очаквайте да бъде бързо четене.
Разпознаване на образци и машинно обучение от Кристофър М. Епископ
На разположение: на Amazon
Публикувано: 2011
Брой страници: 738
Можете да се сетите за разпознаване на образци и машинно обучение от Кристофър М. Бишоп като нежен (поне що се отнася до учебниците за машинно обучение) уводен курс към теорията зад машинното обучение. Учебникът включва над 400 упражнения, които са класифицирани според тяхната трудност, а на уебсайта му има много повече допълнителни материали. Само не очаквайте да знаете как да приложите теорията, която преподава учебникът, когато стигнете до последната му страница - има и други книги за това.
Дълбоко обучение от Goodfellow et. ал
На разположение: на Amazon
Публикувано: 2016
Брой страници: 800
Ако трябва да помолите Илон Мъск да ви препоръча книга за машинно обучение, това би препоръчал той. Веднъж той казва, че дълбокото обучение е единствената пълна книга по този въпрос. Книгата обхваща всичко - от математическия и концептуалния фон до водещите в бранша техники за дълбоко обучение и най-новите перспективи за научни изследвания. Препоръчваме ви да получите електронната версия, тъй като Deep Learning е скандален с лошото си качество на печат.
Елементите на статистическото обучение: извличане на данни, извод и прогнозиране, второ издание от Хасти, Тибширани и Фридман
На разположение: на Amazon
Публикувано: 2016
Брой страници: 767
Не позволявайте на заглавието на този учебник да ви сплаши. Ако искате наистина да разберете машинното обучение и да го приложите за решаване на трудни проблеми, трябва да свикнете с четенето на учебници, които не изглеждат много достъпни. Въпреки че учебникът използва решително статистически подход, не е нужно да сте статистик, за да го четете, защото той набляга на понятията, а не на математиката.
Практическо машинно обучение с Scikit-Learn, Keras и TensorFlow: Концепции, инструменти и техники за изграждане на интелигентни системи (2nd Издание) от Aurélien Géron
На разположение: на Amazon
Публикувано: 2019
Брой страници: 856
Scikit-Learn, Keras и TensorFlow са три популярни библиотеки за машинно обучение и този учебник се фокусира върху това как те могат да се използват за създаване на програми за машинно обучение, които решават действителни проблеми. Благодарение на начина, по който тези библиотеки са подходящи за начинаещи, за четенето на този учебник са необходими минимални теоретични познания, което го прави чудесен за тези, които биха искали да получат интуитивно разбиране за машинното обучение, като създадат нещо полезно.
Разбиране на машинното обучение: от теория до алгоритми от Шай Шалев-Шварц и Шай Бен-Дейвид
На разположение: на Amazon
Публикувано: 2014
Брой страници: 410
Много учебници за машинно обучение са трудни за преминаване, защото авторите им не могат да се поставят на мястото на някой нов в тази област, но не и този. Разбирането на машинното обучение започва с ясно въведение в статистическото машинно обучение. След това той свързва теоретичните концепции с практически алгоритми, без да е нито много сложен, нито твърде неясен. Независимо дали искате да освежите знанията си или да тръгнете на пътешествие през целия живот в бранша, не се колебайте да вземете този учебник.
Машинното обучение: вероятностна перспектива от Кевин П. Мърфи
На разположение: на Amazon
Публикувано: 2012
Брой страници: 1104
Както подсказва заглавието на тази книга, това въведение в машинното обучение разчита на вероятностни модели за откриване на модели в данните и използването им, за да прави прогнози за бъдещи данни. Книгата е написана в приятен, неформален стил и използва чудесно илюстрации и практически примери. Моделите, които той описва, са внедрени с помощта на вероятностен инструментариум за моделиране, който е софтуерен пакет MATLAB, който можете да изтеглите от интернет. За съжаление, инструментарият вече не се поддържа, тъй като новата версия на тази книга ще използва Python вместо това.
Теория на информацията, извод и алгоритми за учене от Дейвид Дж. ° С. MacKay
На разположение: на Amazon
Публикувано: 2003
Брой страници: 640
Да, този учебник е издаден преди близо 20 години, но това не го прави по-малко актуален днес. В края на краищата, машинното обучение не е толкова младо, колкото може да предполага неотдавнашният шум около него. Какво прави теорията на информацията, извода и алгоритмите за учене от Дейвид Дж. ° С. MacKay е толкова вечен мултидисциплинарен подход, който осигурява широки връзки между различни полета. Само по себе си това не е много полезно, защото няма достатъчно практически примери, но работи чудесно като уводен учебник.
Въведение в статистическото обучение: с приложения в R от Gareth M. Джеймс, Тревър Хасти, Даниела Витен и Робърт Тибширани
На разположение: на Amazon
Публикувано: 2013
Брой страници: 440
Можете да мислите за Въведение в статистическото обучение като по-достъпна алтернатива на Елементите на статистическото обучение, което изисква напреднали познания по математическа статистика. За да завършите този учебник, трябва да сте напълно добре с бакалавърска степен по математика или статистика. На своите 440 страници авторите предоставят преглед на областта на статистическото обучение и представят важни техники за моделиране и прогнозиране, пълни с техните приложения.
Книгата за машинно обучение на сто страници от Андрий Бурков
На разположение: на Amazon
Публикувано: 2019
Брой страници: 160
Докато повечето учебници, изброени в тази статия, са по-близо до хиляда страници, тази тънка книга, която започна като предизвикателство в LinkedIn, обяснява много на само стотина страници. Една от причините книгата за машинното обучение на сто страници да стане незабавен хит е нейният ясен език, което е добре дошло отклонение от твърдите академични статии. Препоръчваме тази книга на софтуерни инженери, които вярват, че биха могли да използват наличните инструменти за машинно обучение, но не знаят откъде да започнат. Въпреки това, книгата може да се ползва от всеки, който се интересува от машинно обучение, тъй като подчертава концепциите над кода.
Въведение в машинното обучение с Python: Ръководство за изследователи на данни от Andreas C. Мюлер и Сара Гуидо
На разположение: на Amazon
Публикувано: 2016
Брой страници: 400
Ако владеете свободно Python и искате да започнете с машинно обучение, като създадете практически решения на реални проблеми, това е подходящата книга за вас. Не, няма да научите твърде много теория, но всички основни понятия са добре обхванати, а има и много други книги, които покриват останалите. За да извлечете максимума от Въведение в машинното обучение с Python, трябва да сте запознати поне с библиотеките NumPy и matplotlib.
Приложно прогнозно моделиране от Макс Кун и Кел Джонсън
На разположение: на Amazon
Публикувано: 1-во изд. 2013 г., Corr. 2-ри печат 2018г
Брой страници: 613
Този учебник предоставя въведение в предсказуемите модели, които използват данни и статистика за прогнозиране на резултатите с модели на данни. Започва с обработка на данни и продължава със съвременни техники за регресия и класификация, като винаги се набляга на реални проблеми с данните. Можете лесно да приложите всички модели, обяснени в книгата, благодарение на предоставения R код, който показва точно какво трябва да направите, за да получите ефективно решение.
Дълбоко обучение с Python от Франсоа Шоле
На разположение: на Amazon
Публикувано: 2017
Брой страници: 384
Вече може да сте запознати с автора на този учебник за машинно обучение, защото той отговаря за библиотека с невронна мрежа с отворен код, наречена Keras, може би най-популярната библиотека за машинно обучение, написана на Python. Като се има предвид тази информация и заглавието на учебника, не би трябвало да ви изненадва да научите, че това е най-добрият наличен курс за катастрофа на Keras. Практическите техники са приоритет над теорията, но това просто означава, че можете да решите сложни задачи за машинно обучение само за няколко седмици.
Машинно обучение от Том М. Мичъл
На разположение: на Amazon
Публикувано: 1997
Брой страници: 414
Публикувана през 1997 г., тази книга представя всички видове алгоритми за машинно обучение на език, който всички възпитаници на CS трябва да могат да разберат. Ако сте от типа хора, които трябва да имат широко разбиране по дадена тема, преди да се почувствате удобно да се потопите дълбоко в нея, ще ви хареса как е представена информацията в тази книга. Просто не очаквайте машинно обучение от Том М. Мичъл да бъде практически наръчник, защото не това трябва да бъде тази книга.
Изграждане на приложения за машинно обучение: Преминаване от идея към продукт от Емануел Амайзен
На разположение: на Amazon
Публикувано: 2020 г
Брой страници: 260
Едно е да разбираш моделите за машинно обучение, а съвсем друго е да знаеш как да ги въведеш в производството. Тази сравнително тънка книга на Емануел Амейзен обяснява точно това, като ви превежда през всяка стъпка от процеса, от първоначалната идея до внедрения продукт. Изграждането на приложения за машинно обучение може да се препоръча на начинаещи учени по данни и инженери по ML, които са усвоили теорията, но тепърва ще я прилагат в индустрията.
Подсилващо обучение: Въведение (2-ро издание) от Ричард С. Сътън, Андрю Г. Барто
На разположение: на Amazon
Публикувано: 2018
Брой страници: 552
Усилващото обучение е област на машинното обучение, свързана с обучението на модели за машинно обучение за предприемане на действия в сложна, несигурна среда, за да се максимизира общият размер на получената награда. Ако това ви звучи интересно, не се колебайте да закупите тази книга, защото тя широко се смята за Библията по темата. Второто издание включва много важни структурни и съдържателни промени, така че вземете го, ако е възможно.
Учене от данни от Yaser S. Абу-Мостафа, Малик Магдон-Исмаил, Хсуан-Тиен Лин.
На разположение: на Amazon
Публикувано: 2012
Брой страници: 213
Ученето от данни е кратко, но относително пълно въведение в машинното обучение и неговите практически приложения във финансите, търговията, науката и инженерството. Книгата се основава на повече от десетилетие учебни материали, които авторите дестилират до селекция от основни теми, които всеки, който се интересува от темата, трябва да разбере. Чудесно е за начинаещи, които нямат много време да изучават теорията на машинното обучение, особено ако са прочетени заедно с поредицата лекции на Yaser в YouTube.
Невронни мрежи и дълбоко обучение: Учебник от Чару С. Аггарвал
На разположение: на Amazon
Публикувано: 2018
Брой страници: 497
Невронните мрежи са един от начините за машинно обучение и този учебник може да ви помогне да разберете теорията зад тях. Точно като машинното обучение като цяло, тази книга е математически интензивна, така че не очаквайте да стигнете твърде далеч, ако математиката ви е ръждясала. Въпреки това, авторът върши чудесна работа, като обяснява математиката зад всички предоставени примери и разхожда читателя през различни сложни сценарии.
Машинно обучение за абсолютно начинаещи: Обикновено въведение на английски (2nd Издание) от Оливър Теобалд
На разположение: на Amazon
Публикувано: 2017
Брой страници: 157
Ако се интересувате от машинно обучение, но не е задължително да се чувствате удобно да четете дълги учебници по темата, може да предпочетете тази удобна за начинаещи книга, която предоставя практическо и високо ниво на въвеждане в машинния език, използвайки обикновен английски. До края на тази книга ще знаете как да предсказвате собствени стойности, като използвате първия си модел за машинно обучение, създаден в Python.
Генеративно дълбоко обучение: Преподаване на машини за рисуване, писане, композиране и игра от Дейвид Фостър
На разположение: на Amazon
Публикувано: 2019
Брой страници: 330
Много е написано и казано за генеративните състезателни мрежи (GAN), една от най-горещите теми в областта на машинното обучение днес. Ако искате да разберете как те и други генеративни модели за дълбоко обучение работят под капака, тази книга на Дейвид Фостър е чудесна отправна точка, стига да имате опит с кодирането в Python.