Змест[Схаваць][Паказаць]
Дарэчы, мы ўсе ведаем, наколькі хутка развівалася тэхналогія машыннага навучання за апошнія некалькі гадоў. Машыннае навучанне - гэта дысцыпліна, якая прыцягнула цікавасць некалькіх карпарацый, навукоўцаў і сектараў.
У сувязі з гэтым я абмяркую некаторыя з найвялікшых кніг па машынным навучанні, якія сёння павінен прачытаць інжынер або пачатковец. Напэўна, вы ўсе пагадзіліся з тым, што чытаць кнігі - гэта не тое ж самае, што выкарыстоўваць інтэлект.
Чытанне кніг дапамагае нашаму розуму адкрываць для сябе шмат новага. У рэшце рэшт, чытанне - гэта навучанне. Тэг для саманавучання - гэта вельмі весела. У гэтым артыкуле будуць асветлены лепшыя падручнікі, даступныя ў гэтай галіне.
Наступныя падручнікі прапануюць праверанае ўвядзенне ў шырокую сферу штучнага інтэлекту і часта выкарыстоўваюцца ва ўніверсітэцкіх курсах і рэкамендуюцца навукоўцамі і інжынерамі.
Нават калі ў вас ёсць тона навучанне з дапамогай машыны вопыту, узяўшы ў рукі адзін з гэтых падручнікаў можа быць выдатным спосабам асвяжыць. У рэшце рэшт, навучанне - гэта бесперапынны працэс.
1. Машыннае навучанне для пачаткоўцаў
Вы хацелі б вывучыць машыннае навучанне, але не ведаеце, як гэта зрабіць. Ёсць некалькі важных тэарэтычных і статыстычных канцэпцый, якія вы павінны зразумець, перш чым пачаць сваё эпічнае падарожжа ў машыннае навучанне. І гэтая кніга задавальняе гэтую патрэбу!
Ён прапануе поўныя пачаткоўцаў з высокім узроўнем, прыдатныя увядзенне ў машыннае навучанне. Кніга "Машыннае навучанне для пачаткоўцаў" - адзін з лепшых варыянтаў для тых, хто шукае максімальна спрошчанае тлумачэнне машыннага навучання і звязаных з ім ідэй.
Шматлікія алгарытмы ml у кнізе суправаджаюцца кароткімі тлумачэннямі і графічнымі прыкладамі, каб дапамагчы чытачам зразумець усё, што абмяркоўваецца.
Тэмы, закранутыя ў кнізе
- Асновы нейронавыя сеткі
- Рэгрэсійны аналіз
- Інжынерныя функцыі
- кластарызацыя
- Перакрыжаваная праверка
- Метады ачысткі дадзеных
- Дрэвы рашэння
- Ансамблевае мадэляванне
2. Машыннае навучанне для чайнікаў
Машыннае навучанне можа заблытаць звычайных людзей. Тым не менш, гэта бясцэнна для тых з нас, хто дасведчаны.
Без ML цяжка кіраваць такімі праблемамі, як вынікі пошуку ў Інтэрнэце, рэклама ў рэальным часе на вэб-старонках, аўтаматызацыя або нават фільтраванне спаму (так!).
У выніку гэтая кніга прапануе вам простае ўвядзенне, якое дапаможа вам даведацца больш пра загадкавую сферу машыннага навучання. З дапамогай Machine Learning For Dummies вы навучыцеся «размаўляць» на такіх мовах, як Python і R, што дазволіць вам навучыць кампутар распазнаваць вобразы і аналізаваць даныя.
Акрамя таго, вы даведаецеся, як выкарыстоўваць Python Anaconda і R Studio для распрацоўкі ў R.
Тэмы, закранутыя ў кнізе
- Падрыхтоўка дадзеных
- падыходы для машыннага навучання
- Цыкл машыннага навучання
- Навучанне пад наглядам і без нагляду
- Навучальныя сістэмы машыннага навучання
- Прывязка метадаў машыннага навучання да вынікаў
3. Стостаронкавая кніга машыннага навучання
Ці магчыма ахапіць усе аспекты машыннага навучання менш чым на 100 старонках? Спроба зрабіць тое ж самае — «Стостаронкавая кніга машыннага навучання» Андрэя Буркова.
Кніга па машынным навучанні добра напісана і падтрымліваецца вядомымі лідэрамі ідэй, у тым ліку Суджытам Варахедзі, кіраўніком інжынернага аддзела eBay, і Пітэрам Норвігам, дырэктарам па даследаваннях Google.
Гэта лепшая кніга для пачаткоўцаў у машынным навучанні. Уважліва прачытаўшы кнігу, вы зможаце ствараць і разумець складаныя сістэмы штучнага інтэлекту, атрымаць поспех у інтэрв'ю з машынным навучаннем і нават заснаваць уласную кампанію, заснаваную на ML.
Аднак кніга не прызначана для пачаткоўцаў машыннага навучання. Шукайце дзе-небудзь, калі вы шукаеце што-небудзь больш фундаментальнае.
Тэмы, закранутыя ў кнізе
- Анатомія а алгарытм навучання
- Навучанне пад наглядам і навучанне без нагляду
- Армаванне навучання
- Фундаментальныя алгарытмы машыннага навучання
- Агляд нейронавых сетак і глыбокага навучання
4. Разуменне машыннага навучання
Сістэматычнае ўвядзенне ў машыннае навучанне змяшчаецца ў кнізе "Разуменне машыннага навучання". Кніга глыбока паглыбляецца ў асноватворныя ідэі, вылічальныя парадыгмы і матэматычныя высновы машыннага навучання.
Шырокі спектр прадметаў машыннага навучання прадстаўлены простым спосабам машыннага навучання. У кнізе апісаны тэарэтычныя асновы машыннага навучання разам з матэматычнымі вывадамі, якія ператвараюць гэтыя асновы ў карысныя алгарытмы.
У кнізе прадстаўлены асновы, перш чым разглядацца шырокі спектр важных прадметаў, якія не разглядаліся ў папярэдніх падручніках.
Сюды ўваходзіць абмеркаванне канцэпцый выпукласці і стабільнасці і вылічальнай складанасці навучання, а таксама важныя алгарытмічныя парадыгмы, такія як стахастычны градыентны спуск, нейронныя сеткі і структураванае навучанне вываду, а таксама новыя тэарэтычныя ідэі, такія як падыход PAC-Bayes і абмежаванні на аснове сціску. прызначаны для пачаткоўцаў або прасунутых студэнтаў.
Тэмы, закранутыя ў кнізе
- Вылічальная складанасць машыннага навучання
- Алгарытмы ML
- Нейронныя сеткі
- Падыход PAC-Bayes
- Стохастычны градыентны спуск
- Структураванае адукацыйнае навучанне
5. Уводзіны ў машыннае навучанне з дапамогай Python
Вы дасведчаны Python і хочаце вывучаць машыннае навучанне? Лепшая кніга, з якой можна пачаць прыгоду па машынным навучанні, - гэта "Уводзіны ў машыннае навучанне з дапамогай Python: кіраўніцтва для спецыялістаў па апрацоўцы дадзеных".
З дапамогай кнігі «Уводзіны ў машыннае навучанне з дапамогай Python: Кіраўніцтва для навукоўцаў па апрацоўцы дадзеных» вы адкрыеце для сябе мноства карысных метадаў для стварэння ўласных праграм машыннага навучання.
Вы ахопіце ўсе важныя этапы выкарыстання Python і пакета Scikit-Learn для стварэння надзейных праграм машыннага навучання.
Атрыманне цвёрдага разумення бібліятэк matplotlib і NumPy значна палегчыць навучанне.
Тэмы, закранутыя ў кнізе
- Сучасныя метады налады параметраў і ацэнкі мадэлі
- Праграмы і асноўныя ідэі машыннага навучання
- аўтаматызаваныя метады навучання
- Прыёмы апрацоўкі тэкставых даных
- Злучэнне мадэляў і канвееры інкапсуляцыі працоўнага працэсу
- Прадстаўленне даных пасля апрацоўкі
6. Практычнае машыннае навучанне з Sci-kit learn, Keras і Tensorflow
Адна з самых грунтоўных публікацый па навуцы даных і машынным навучанні, яна напоўнена ведамі. Экспертам і пачаткоўцам рэкамендуецца больш вывучаць гэтую тэму.
Нягледзячы на тое, што гэтая кніга змяшчае невялікую колькасць тэорыі, яна падмацавана важкімі прыкладамі, што дае ёй месца ў спісе.
Гэтая кніга ўключае ў сябе розныя тэмы, у тым ліку scikit-learn для праектаў машыннага навучання і TensorFlow для стварэння і навучання нейронавых сетак.
Мы лічым, што пасля прачытання гэтай кнігі вы будзеце лепш падрыхтаваны для далейшага вывучэння глыбокае вывучэнне і вырашаць практычныя задачы.
Тэмы, закранутыя ў кнізе
- Вывучыце ландшафт машыннага навучання, асабліва нейронавых сетак
- Адсочвайце ўзор праекта машыннага навучання ад пачатку да завяршэння з дапамогай Scikit-Learn.
- Вывучыце некалькі навучальных мадэляў, такіх як метады ансамбля, выпадковыя лясы, дрэвы рашэнняў і машыны апорных вектараў.
- Стварайце і навучайце нейронавыя сеткі, выкарыстоўваючы бібліятэку TensorFlow.
- Улічвайце згорткавыя сеткі, рэкурэнтныя сеткі і глыбокае навучанне з падмацаваннем падчас даследавання нейронная сетка канструкцый.
- Даведайцеся, як маштабаваць і навучаць глыбокія нейронавыя сеткі.
7. Машыннае навучанне для хакераў
Для вопытных праграмістаў, якія цікавяцца аналізам даных, напісана кніга «Машыннае навучанне для хакераў». У гэтым кантэксце хакеры - дасведчаныя матэматыкі.
Для людзей, якія добра разумеюць R, гэтая кніга стане выдатным выбарам, таму што большасць з яе сканцэнтравана на аналізе даных у R. Акрамя таго, у кнізе разглядаецца, як маніпуляваць дадзенымі з дапамогай пашыранага R.
Уключэнне адпаведных тэматычных гісторый падкрэслівае каштоўнасць выкарыстання алгарытмаў машыннага навучання, што можа стаць самым важным пунктам продажу кнігі «Машыннае навучанне для хакераў».
У кнізе даецца шмат прыкладаў з рэальнага свету, каб зрабіць навучанне машыннаму навучанню больш простым і хуткім, а не паглыбляцца ў яго матэматычную тэорыю.
Тэмы, закранутыя ў кнізе
- Стварыце наіўны байесаўскі класіфікатар, які проста аналізуе змест электроннага ліста, каб вызначыць, ці з'яўляецца ён спамам.
- Прагназаванне колькасці праглядаў старонак для 1,000 лепшых вэб-сайтаў з дапамогай лінейнай рэгрэсіі
- Даследуйце метады аптымізацыі, спрабуючы ўзламаць просты літарны шыфр.
8. Машыннае навучанне Python з прыкладамі
Гэтая кніга, якая дапаможа вам зразумець і стварыць розныя метады машыннага навучання, глыбокага навучання і аналізу даных, верагодна, адзіная, якая засяроджваецца толькі на Python як мове праграмавання.
Ён ахоплівае некалькі магутных бібліятэк для рэалізацыі розных алгарытмаў машыннага навучання, такіх як Scikit-Learn. Затым модуль Tensor Flow выкарыстоўваецца, каб навучыць вас глыбокаму навучанню.
Нарэшце, ён дэманструе мноства магчымасцей аналізу даных, якія можна дасягнуць з дапамогай машыннага і глыбокага навучання.
Ён таксама навучыць вас шматлікім метадам, якія можна выкарыстоўваць для павышэння эфектыўнасці створанай вамі мадэлі.
Тэмы, закранутыя ў кнізе
- Вывучэнне Python і машыннае навучанне: дапаможнік для пачаткоўцаў
- Вывучэнне набору дадзеных 2 груп навін і выяўлення непажаданай электроннай пошты па Байесу
- Выкарыстоўваючы SVM, класіфікуйце тэмы навін Прагназаванне клікаў з выкарыстаннем алгарытмаў на аснове дрэў
- Прагназаванне працэнта клікаў з дапамогай лагістычнай рэгрэсіі
- Выкарыстанне алгарытмаў рэгрэсіі для прагназавання самых высокіх стандартаў коштаў на акцыі
9. Машыннае навучанне Python
У кнізе Python Machine Learning тлумачацца асновы машыннага навучання, а таксама яго значэнне ў лічбавай сферы. Гэта кніга па машынным навучанні для пачаткоўцаў.
Акрамя таго, у кнізе разглядаюцца шматлікія падполля і прыкладанні машыннага навучання. Прынцыпы праграмавання на Python і тое, як пачаць працу з бясплатнай мовай праграмавання з адкрытым зыходным кодам, таксама разглядаюцца ў кнізе Python Machine Learning.
Пасля заканчэння кнігі па машынным навучанні вы зможаце эфектыўна ствараць шэраг задач па машынным навучанні з дапамогай кадавання Python.
Тэмы, закранутыя ў кнізе
- Асновы штучнага інтэлекту
- дрэва рашэнняў
- Лагістычны рэгрэс
- Паглыбленыя нейронныя сеткі
- Асновы мовы праграмавання Python
10. Машыннае навучанне: імавернасная перспектыва
Machine Learning: A Probabilistic Perspective - гэта гумарыстычная кніга па машынным навучанні, якая змяшчае настальгічную каляровую графіку і практычныя прыклады з рэальнага свету з такіх дысцыплін, як біялогія, камп'ютарны зрок, робататэхніка і апрацоўка тэксту.
Ён поўны нязмушанай прозы і псеўдакода для асноўных алгарытмаў. Machine Learning: A Probabilistic Perspective, у адрозненне ад іншых публікацый па машынным навучанні, якія прадстаўлены ў стылі кулінарнай кнігі і апісваюць розныя эўрыстычныя падыходы, арыентаваны на прынцыповы мадэльны падыход.
Ён вызначае мадэлі мл з выкарыстаннем графічных уяўленняў у выразнай і зразумелай форме. Грунтуючыся на адзіным імавернасным падыходзе, гэты падручнік змяшчае поўнае і самастойнае ўвядзенне ў вобласць машыннага навучання.
Змест адначасова шырокі і глыбокі, у тым ліку фундаментальны даведачны матэрыял па такіх тэмах, як верагоднасць, аптымізацыя і лінейная алгебра, а таксама абмеркаванне сучасных дасягненняў у гэтай галіне, такіх як умоўныя выпадковыя палі, рэгулярізацыя L1 і глыбокае навучанне.
Кніга напісана нязмушанай, даступнай мовай, змяшчае псеўдакод для асноўных значных алгарытмаў.
Тэмы, закранутыя ў кнізе
- Верагоднасць
- глыбокае вывучэнне
- Рэгулярызацыя L1
- Аптымізацыя
- апрацоўка тэксту
- Прыкладання кампутарнага зроку
- Робататэхніка
11. Элементы статыстычнага навучання
За сваю канцэптуальную аснову і шырокі выбар прадметаў гэты падручнік па машынным навучанні часта карыстаецца прызнаннем у гэтай галіне.
Гэтую кнігу можна выкарыстоўваць у якасці дапаможніка ўсім, каму трэба асвяжыць такія тэмы, як нейронавыя сеткі і метады тэсціравання, а таксама як простае ўвядзенне ў машыннае навучанне.
Кніга агрэсіўна падштурхоўвае чытача да правядзення ўласных эксперыментаў і расследаванняў на кожным кроку, што робіць яе каштоўнай для развіцця здольнасцей і цікаўнасці, неабходных для істотнага прагрэсу ў машынным навучанні або працы.
Гэта важны інструмент для статыстыкаў і ўсіх, хто цікавіцца інтэлектуальным аналізам дадзеных у бізнэсе або навуцы. Пераканайцеся, што вы як мінімум разумееце лінейную алгебру перад пачаткам гэтай кнігі.
Тэмы, закранутыя ў кнізе
- Навучанне пад кантролем (прагназаванне) да навучання без кантролю
- Нейронныя сеткі
- Падтрымка вектарных машын
- Дрэвы класіфікацыі
- Алгарытмы павышэння
12. Распазнаванне вобразаў і машыннае навучанне
У гэтай кнізе можна дэталёва вывучыць светы распазнання вобразаў і машыннага навучання. Байесовский падыход да распазнавання вобразаў быў першапачаткова прадстаўлены ў гэтай публікацыі.
Акрамя таго, у кнізе разглядаюцца складаныя тэмы, якія патрабуюць працоўнага разумення шматмернасці, навукі аб дадзеных і фундаментальнай лінейнай алгебры.
Пра машыннае навучанне і верагоднасць у даведніку ёсць раздзелы з усё больш складанымі ўзроўнямі складанасці на аснове тэндэнцый у наборах даных. Перад агульным увядзеннем у распазнаванне вобразаў прыведзены простыя прыклады.
У кнізе прапанаваны метады прыблізных высноў, якія дазваляюць хутка набліжацца ў тых выпадках, калі дакладныя рашэнні непрактычныя. Няма іншых кніг, якія выкарыстоўваюць графічныя мадэлі для апісання размеркаванняў імавернасцяў, але гэта так.
Тэмы, закранутыя ў кнізе
- Баесовские метады
- Алгарытмы набліжанага вываду
- Новыя мадэлі на аснове ядраў
- Уводзіны ў асновы тэорыі верагоднасцей
- Уводзіны ў распазнаванне вобразаў і машыннае навучанне
13. Асновы машыннага навучання з аналітыкі прагнозных даных
Калі вы асвоілі асновы машыннага навучання і хочаце перайсці да прагнастычнай аналітыкі даных, гэта кніга для вас!!! Знаходзячы шаблоны з масіўных набораў даных, машыннае навучанне можна выкарыстоўваць для распрацоўкі мадэляў прагназавання.
У гэтай кнізе разглядаецца ўкараненне выкарыстання ML Аналітыка прагнозных дадзеных паглыблены, уключаючы як тэарэтычныя прынцыпы, так і рэальныя прыклады.
Нягледзячы на тое, што назва «Асновы машыннага навучання для прагнастычнай аналітыкі даных» - гэта глыток, у гэтай кнізе будзе апісаны шлях прагназавальнай аналітыкі даных ад даных да разумення і да заключэння.
У ім таксама абмяркоўваюцца чатыры падыходы машыннага навучання: навучанне на аснове інфармацыі, навучанне на аснове падабенства, навучанне на аснове верагоднасці і навучанне на аснове памылак, кожны з якіх мае нетэхнічнае канцэптуальнае тлумачэнне, за якім ідуць матэматычныя мадэлі і алгарытмы з прыкладамі.
Тэмы, закранутыя ў кнізе
- Інфармацыйнае навучанне
- Навучанне на аснове падабенства
- Навучанне на аснове імавернасцей
- Навучанне на аснове памылак
14. Прыкладное прагнастычнае мадэляванне
Applied Predictive Modeling даследуе ўвесь працэс прагнастычнага мадэлявання, пачынаючы з крытычных этапаў папярэдняй апрацоўкі даных, падзелу даных і асноў налады мадэлі.
Затым у працы прадстаўлены дакладныя апісанні розных традыцыйных і апошніх падыходаў да рэгрэсіі і класіфікацыі з акцэнтам на паказ і вырашэнне рэальных праблем з дадзенымі.
У кіраўніцтве дэманструюцца ўсе аспекты працэсу мадэлявання з некалькімі практычнымі прыкладамі з рэальнага свету, і кожны раздзел уключае поўны код R для кожнага этапу працэсу.
Гэты шматфункцыянальны том можа быць выкарыстаны ў якасці ўвядзення ў прагнастычныя мадэлі і ўвесь працэс мадэлявання, у якасці даведачнага дапаможніка для спецыялістаў-практыкаў або ў якасці тэксту для прасунутых курсаў бакалаўрыяту або магістратуры на ўзроўні прагназавання мадэлявання.
Тэмы, закранутыя ў кнізе
- Тэхніка рэгрэсіі
- Методыка класіфікацыі
- Складаныя алгарытмы ML
15. Машыннае навучанне: мастацтва і навука алгарытмаў, якія асэнсоўваюць даныя
Калі вы сярэдняга ўзроўню або эксперт у машынным навучанні і жадаеце вярнуцца «да асноў», гэтая кніга для вас! Ён аддае вялікую заслугу велізарнай складанасці і глыбіні машыннага навучання, але пры гэтым ніколі не губляе з-пад увагі яго аб'яднаўчыя прынцыпы (вялікае дасягненне!).
Машыннае навучанне: Мастацтва і навука алгарытмаў уключае некалькі тэматычных даследаванняў усё большай складанасці, а таксама мноства прыкладаў і малюнкаў (каб усё было цікава!).
Кніга таксама ахоплівае шырокі спектр лагічных, геаметрычных і статыстычных мадэляў, а таксама складаныя і новыя прадметы, такія як матрычная факторизация і ROC-аналіз.
Тэмы, закранутыя ў кнізе
- Спрашчае алгарытмы машыннага навучання
- Лагічная мадэль
- Геаметрычная мадэль
- статыстычная мадэль
- ROC аналіз
16. Інтэлектуальны аналіз дадзеных: практычныя інструменты і метады машыннага навучання
Выкарыстоўваючы падыходы да вывучэння сістэм баз дадзеных, машыннага навучання і статыстыкі, метады інтэлектуальнага аналізу даных дазваляюць нам знаходзіць заканамернасці ў велізарных аб'ёмах даных.
Вам варта атрымаць кнігу Data Mining: Practical Machine Learning Tools and Techniques, калі вам неабходна вывучыць метады інтэлектуальнага аналізу дадзеных у прыватнасці або плануеце вывучыць машыннае навучанне ў цэлым.
Лепшая кніга па машынным навучанні больш канцэнтруецца на тэхнічным баку. Ён паглыбляецца ў тэхнічныя тонкасці машыннага навучання і стратэгіі для збору даных і выкарыстання розных уваходных і выходных дадзеных для ацэнкі вынікаў.
Тэмы, закранутыя ў кнізе
- Лінейныя мадэлі
- кластарызацыя
- Статыстычнае мадэляванне
- Прагназаванне прадукцыйнасці
- Параўнанне метадаў здабычы дадзеных
- Экземплярнае навучанне
- Прадстаўленне ведаў і кластары
- Традыцыйныя і сучасныя метады інтэлектуальнага аналізу дадзеных
17. Python для аналізу даных
Уменне ацэньваць даныя, якія выкарыстоўваюцца ў машынным навучанні, з'яўляецца самым важным навыкам, якім павінен валодаць навуковец па дадзеных. Перад распрацоўкай мадэлі ML, якая дае дакладны прагноз, большая частка вашай працы будзе ўключаць апрацоўку, апрацоўку, ачыстку і ацэнку даных.
Вы павінны быць знаёмыя з такімі мовамі праграмавання, як Pandas, NumPy, Ipython і іншымі, каб выконваць аналіз дадзеных.
Калі вы хочаце працаваць у галіне навукі аб дадзеных або машыннага навучання, вы павінны мець магчымасць маніпуляваць дадзенымі.
У гэтым выпадку вы абавязкова павінны прачытаць кнігу Python для аналізу дадзеных.
Тэмы, закранутыя ў кнізе
- істотны бібліятэкі Python
- Прасунутыя панды
- Прыклады аналізу даных
- Ачыстка і падрыхтоўка даных
- Матэматычныя і статыстычныя метады
- Абагульненне і вылічэнне апісальнай статыстыкі
18. Апрацоўка натуральнай мовы з дапамогай Python
Асновай сістэм машыннага навучання з'яўляецца апрацоўка натуральнай мовы.
Кніга "Апрацоўка натуральнай мовы з дапамогай Python" інструктуе вас аб тым, як выкарыстоўваць NLTK, упадабаную калекцыю модуляў і інструментаў Python для сімвалічнай і статыстычнай апрацоўкі натуральнай мовы для англійскай і NLP у цэлым.
Кніга "Апрацоўка натуральнай мовы з дапамогай Python" забяспечвае эфектыўныя працэдуры Python, якія дэманструюць НЛП у сціслай і відавочнай форме.
Чытачы маюць доступ да добра анатаваных набораў дадзеных для працы з неструктураванымі дадзенымі, тэкстава-лінгвістычнай структурай і іншымі элементамі, арыентаванымі на НЛП.
Тэмы, закранутыя ў кнізе
- Як функцыянуе чалавечая мова?
- Лінгвістычныя структуры даных
- Набор інструментаў натуральнай мовы (NLTK)
- Разбор і семантычны аналіз
- Папулярныя лінгвістычныя базы даных
- Інтэграваць метады з штучны інтэлект і мовазнаўства
19. Праграмаванне калектыўнага інтэлекту
«Праграмаванне калектыўнага інтэлекту» Тобі Сегарана, якая лічыцца адной з найвялікшых кніг для разумення машыннага навучання, была напісана ў 2007 годзе, за гады да таго, як навука аб дадзеных і машыннае навучанне занялі сваю цяперашнюю пазіцыю ў якасці вядучых прафесійных шляхоў.
У кнізе Python выкарыстоўваецца ў якасці метаду распаўсюджвання свайго вопыту сярод аўдыторыі. Праграмаванне калектыўнага інтэлекту - гэта больш дапаможнік па ўкараненні ml, чым увядзенне ў машыннае навучанне.
Кніга змяшчае інфармацыю аб распрацоўцы эфектыўных алгарытмаў ML для збору даных з праграм, праграмаванні для атрымання даных з вэб-сайтаў і экстрапаляцыі сабраных даных.
Кожны раздзел уключае мерапрыемствы па пашырэнню абмеркаваных алгарытмаў і павышэнню іх карыснасці.
Тэмы, закранутыя ў кнізе
- Баесовская фільтрацыя
- Падтрымка вектарных машын
- Алгарытмы пошукавых сістэм
- Спосабы складання прагнозаў
- Метады сумеснай фільтрацыі
- Фактарізацыя неадмоўнай матрыцы
- Развіццё інтэлекту для вырашэння праблем
- Метады выяўлення груп або шаблонаў
20. Глыбокае навучанне (серыя "Адаптыўныя вылічэнні і машыннае навучанне")
Як мы ўсе ведаем, глыбокае навучанне - гэта палепшаны від машыннага навучання, які дазваляе кампутарам вучыцца на мінулых паказчыках і вялікай колькасці даных.
Выкарыстоўваючы метады машыннага навучання, вы таксама павінны быць знаёмыя з прынцыпамі глыбокага навучання. Гэтая кніга, якая лічыцца Бібліяй глыбокага навучання, будзе вельмі карыснай у гэтай сітуацыі.
У гэтай кнізе тры эксперты па глыбокім навучанні разглядаюць вельмі складаныя тэмы, напоўненыя матэматыкай і глыбокімі генератыўнымі мадэлямі.
Забяспечваючы матэматычную і канцэптуальную аснову, праца абмяркоўвае адпаведныя ідэі ў лінейнай алгебры, тэорыі імавернасцяў, тэорыі інфармацыі, лікавых вылічэнняў і машыннага навучання.
У ім разглядаюцца такія прыкладанні, як апрацоўка натуральнай мовы, распазнаванне маўлення, камп'ютэрны зрок, сістэмы онлайн-рэкамендацый, біяінфарматыка і відэагульні, а таксама апісваюцца метады глыбокага навучання, якія выкарыстоўваюцца спецыялістамі ў галіны, такія як глыбокія сеткі перадачы, рэгулярізацыя і алгарытмы аптымізацыі, сверточные сеткі і практычная метадалогія.
Тэмы, закранутыя ў кнізе
- Лікавыя вылічэнні
- Даследаванне глыбокага навучання
- Тэхнікі камп'ютэрнага зроку
- Глыбокія апераджальныя сеткі
- Аптымізацыя для навучання глыбокіх мадэляў
- Практычная методыка
- Даследаванне глыбокага навучання
заключэнне
20 лепшых кніг па машынным навучанні абагульнены ў гэтым спісе, які вы можаце выкарыстоўваць для прасоўвання машыннага навучання ў патрэбным вам кірунку.
Вы зможаце развіць трывалую аснову ў галіне машыннага навучання і даведачную бібліятэку, якой вы можаце часта карыстацца падчас працы ў вобласці, калі прачытаеце розныя падручнікі.
Вы будзеце натхнёныя працягваць вучыцца, станавіцца лепш і мець эфект, нават калі прачытаеце толькі адну кнігу.
Калі вы падрыхтаваны і ўмееце распрацоўваць уласныя алгарытмы машыннага навучання, майце на ўвазе, што даныя жыццёва неабходныя для поспеху вашага праекта.
Пакінуць каментар