विषय - सूची[छिपाना][प्रदर्शन]
वैसे तो हम सभी इस बात से वाकिफ हैं कि पिछले कई सालों में मशीन लर्निंग टेक्नोलॉजी कितनी तेजी से विकसित हुई है। मशीन लर्निंग एक ऐसा अनुशासन है जिसने कई निगमों, शिक्षाविदों और क्षेत्रों की रुचि को आकर्षित किया है।
इसके कारण, मैं मशीन लर्निंग पर कुछ महानतम पुस्तकों पर चर्चा करूंगा जो एक इंजीनियर या नौसिखिया को आज पढ़नी चाहिए। आप सभी इस बात से सहमत होंगे कि किताबें पढ़ना बुद्धि के उपयोग के समान नहीं है।
किताबें पढ़ने से हमारे दिमाग को बहुत सी नई चीजों की खोज करने में मदद मिलती है। पढ़ना सीखना है, आखिर। सेल्फ-लर्नर टैग का होना बहुत मजेदार है। इस लेख में क्षेत्र में उपलब्ध सबसे बड़ी पाठ्यपुस्तकों पर प्रकाश डाला जाएगा।
निम्नलिखित पाठ्यपुस्तकें एआई के बड़े क्षेत्र के लिए एक आजमाया हुआ और सच्चा परिचय प्रदान करती हैं और अक्सर विश्वविद्यालय के पाठ्यक्रमों में उपयोग की जाती हैं और शिक्षाविदों और इंजीनियरों द्वारा समान रूप से अनुशंसित की जाती हैं।
भले ही आपके पास एक टन हो यंत्र अधिगम अनुभव, इन पाठ्यपुस्तकों में से किसी एक को चुनना ब्रश करने का एक शानदार तरीका हो सकता है। आखिरकार, सीखना एक सतत प्रक्रिया है।
1. निरपेक्ष शुरुआती के लिए मशीन लर्निंग
आप मशीन लर्निंग का अध्ययन करना चाहते हैं लेकिन यह नहीं जानते कि इसे कैसे किया जाए। मशीन लर्निंग में अपनी महाकाव्य यात्रा शुरू करने से पहले आपको कई महत्वपूर्ण सैद्धांतिक और सांख्यिकीय अवधारणाएं समझनी चाहिए। और यह किताब उस जरूरत को पूरा करती है!
यह उच्च-स्तरीय, लागू के साथ पूर्ण नौसिखियों की पेशकश करता है मशीन लर्निंग का परिचय. मशीन लर्निंग फॉर एब्सोल्यूट बिगिनर्स पुस्तक मशीन लर्निंग और संबंधित विचारों की सबसे सरल व्याख्या की खोज करने वाले किसी भी व्यक्ति के लिए सबसे अच्छे विकल्पों में से एक है।
पुस्तक के कई एमएल एल्गोरिदम संक्षिप्त स्पष्टीकरण और ग्राफिक उदाहरणों के साथ पाठकों को चर्चा की गई हर चीज को समझने में मदद करते हैं।
पुस्तक में शामिल विषय
- की मूल बातें तंत्रिका जाल
- प्रतिगमन विश्लेषण
- फ़ीचर इंजीनियरिंग
- क्लस्टरिंग
- परिणाम का सत्यापन करना
- डेटा स्क्रबिंग तकनीक
- निर्णय के पेड़
- मॉडलिंग
2. डमी के लिए मशीन लर्निंग
नियमित लोगों के लिए मशीन लर्निंग एक भ्रमित करने वाला विचार हो सकता है। हालाँकि, यह हममें से उन लोगों के लिए अमूल्य है जो जानकार हैं।
एमएल के बिना, ऑनलाइन खोज परिणाम, वेब पेजों पर रीयल-टाइम विज्ञापन, स्वचालन, या यहां तक कि स्पैम फ़िल्टरिंग (हाँ!) जैसे मुद्दों का प्रबंधन करना कठिन है।
नतीजतन, यह पुस्तक आपको एक सीधा परिचय प्रदान करती है जो आपको मशीन सीखने के गूढ़ क्षेत्र के बारे में अधिक जानने में मदद करेगी। मशीन लर्निंग फॉर डमीज़ की सहायता से, आप सीखेंगे कि पायथन और आर जैसी भाषाओं को "बोलना" कैसे है, जो आपको कंप्यूटर को पैटर्न पहचान और डेटा विश्लेषण करने के लिए प्रशिक्षित करने में सक्षम करेगा।
इसके अतिरिक्त, आप सीखेंगे कि आर में विकसित करने के लिए पायथन के एनाकोंडा और आर स्टूडियो का उपयोग कैसे करें।
पुस्तक में शामिल विषय
- डेटा तैयारी
- मशीन लर्निंग के लिए दृष्टिकोण
- मशीन सीखने का चक्र
- पर्यवेक्षित और अनुपयोगी शिक्षा
- प्रशिक्षण मशीन लर्निंग सिस्टम
- परिणामों के लिए मशीन सीखने के तरीकों को बांधना
3. द हंड्रेड पेज मशीन लर्निंग बुक
क्या मशीन लर्निंग के सभी पहलुओं को 100 से कम पृष्ठों में कवर करना संभव है? एंड्री बर्कोव की द हंड्रेड-पेज मशीन लर्निंग बुक ऐसा ही करने का एक प्रयास है।
मशीन लर्निंग बुक अच्छी तरह से लिखी गई है और सुजीत वरखेड़ी, ईबे में इंजीनियरिंग के प्रमुख और Google में अनुसंधान निदेशक पीटर नॉरविग सहित प्रसिद्ध विचारकों द्वारा समर्थित है।
मशीन लर्निंग में शुरुआत करने वाले के लिए यह सबसे बड़ी किताब है। पुस्तक को अच्छी तरह से पढ़ने के बाद, आप परिष्कृत एआई सिस्टम बनाने और समझने में सक्षम होंगे, मशीन लर्निंग इंटरव्यू में सफल होंगे, और यहां तक कि अपनी खुद की एमएल-आधारित कंपनी भी लॉन्च करेंगे।
हालाँकि, पुस्तक मशीन सीखने में पूर्ण शुरुआती लोगों के लिए अभिप्रेत नहीं है। कहीं और देखें यदि आप कुछ और मौलिक खोज रहे हैं।
पुस्तक में शामिल विषय
- ए की शारीरिक रचना सीखने का एल्गोरिदम
- पर्यवेक्षित शिक्षण और अनुपयोगी शिक्षण
- सुदृढीकरण सीखना
- मशीन लर्निंग के मौलिक एल्गोरिदम
- तंत्रिका नेटवर्क और गहन शिक्षण का अवलोकन
4. मशीन लर्निंग को समझना
मशीन लर्निंग का व्यवस्थित परिचय किताब अंडरस्टैंडिंग मशीन लर्निंग में दिया गया है। पुस्तक मूलभूत विचारों, कम्प्यूटेशनल प्रतिमानों और मशीन लर्निंग के गणितीय व्युत्पत्तियों में गहराई से उतरती है।
मशीन लर्निंग द्वारा मशीन लर्निंग विषयों की एक विस्तृत श्रृंखला को सरल तरीके से प्रस्तुत किया जाता है। पुस्तक में मशीन लर्निंग की सैद्धांतिक नींव का वर्णन किया गया है, साथ में गणितीय व्युत्पत्तियां जो इन नींवों को उपयोगी एल्गोरिदम में बदल देती हैं।
पुस्तक उन महत्वपूर्ण विषयों की एक विस्तृत श्रृंखला को कवर करने से पहले मूल सिद्धांतों को प्रस्तुत करती है जिन्हें पहले की पाठ्यपुस्तकों में शामिल नहीं किया गया है।
इसमें उत्तलता और स्थिरता अवधारणाओं और सीखने की कम्प्यूटेशनल जटिलता के साथ-साथ स्टोकेस्टिक जैसे महत्वपूर्ण एल्गोरिदमिक प्रतिमानों की चर्चा शामिल है। ढतला हुआ वंश, तंत्रिका नेटवर्क, और संरचित आउटपुट लर्निंग, साथ ही पीएसी-बेज़ दृष्टिकोण और संपीड़न-आधारित सीमा जैसे नए उभरते सैद्धांतिक विचार। शुरुआती स्नातकों या उन्नत स्नातकपूर्व के लिए डिज़ाइन किया गया।
पुस्तक में शामिल विषय
- मशीन लर्निंग की कम्प्यूटेशनल जटिलता
- एमएल एल्गोरिदम
- तंत्रिका जाल
- पीएसी-बेयस दृष्टिकोण
- स्टोकेस्टिक ग्रेडिएंट डिसेंट
- संरचित आउटपुट लर्निंग
5. पायथन के साथ मशीन लर्निंग का परिचय
क्या आप एक पायथन-प्रेमी डेटा वैज्ञानिक हैं जो मशीन लर्निंग का अध्ययन करना चाहते हैं? अपने मशीन लर्निंग एडवेंचर को शुरू करने के लिए सबसे अच्छी किताब है इंट्रोडक्शन टू मशीन लर्निंग विद पायथन: ए गाइड फॉर डेटा साइंटिस्ट्स।
पायथन के साथ मशीन लर्निंग का परिचय पुस्तक की मदद से: डेटा वैज्ञानिकों के लिए एक गाइड, आप कस्टम मशीन लर्निंग प्रोग्राम बनाने के लिए कई उपयोगी तकनीकों की खोज करेंगे।
आप भरोसेमंद मशीन लर्निंग एप्लिकेशन बनाने के लिए पायथन और स्किकिट-लर्न पैकेज के उपयोग में शामिल हर महत्वपूर्ण कदम को कवर करेंगे।
Matplotlib और NumPy लाइब्रेरी की ठोस समझ हासिल करने से सीखना बहुत आसान हो जाएगा।
पुस्तक में शामिल विषय
- पैरामीटर ट्विकिंग और मॉडल मूल्यांकन के लिए आधुनिक तकनीक
- अनुप्रयोग और बुनियादी मशीन सीखने के विचार
- स्वचालित सीखने की तकनीक
- टेक्स्ट डेटा में हेरफेर करने की तकनीक
- मॉडल चेनिंग और वर्कफ़्लो एनकैप्सुलेशन पाइपलाइन
- प्रसंस्करण के बाद डेटा प्रतिनिधित्व
6. विज्ञान-किट सीखने के साथ हैंड्स-ऑन मशीन लर्निंग, केरस और टेंसरफ़्लो
डेटा साइंस और मशीन लर्निंग पर सबसे गहन प्रकाशनों में, यह ज्ञान से भरा हुआ है। यह सलाह दी जाती है कि विशेषज्ञ और नौसिखिए समान रूप से इस विषय के बारे में अधिक अध्ययन करें।
यद्यपि इस पुस्तक में सिद्धांत की थोड़ी सी मात्रा है, यह मजबूत उदाहरणों द्वारा समर्थित है, जो इसे सूची में स्थान देता है।
इस पुस्तक में विभिन्न प्रकार के विषय शामिल हैं, जिसमें मशीन लर्निंग प्रोजेक्ट्स के लिए स्किकिट-लर्न और तंत्रिका नेटवर्क बनाने और प्रशिक्षण के लिए TensorFlow शामिल हैं।
इस पुस्तक को पढ़ने के बाद, हमें लगता है कि आप और अधिक गहराई तक जाने के लिए बेहतर ढंग से सुसज्जित होंगे ध्यान लगा के पढ़ना या सीखना और व्यवहारिक समस्याओं का समाधान करते हैं।
पुस्तक में शामिल विषय
- मशीन लर्निंग के परिदृश्य की जांच करें, विशेष रूप से तंत्रिका नेटवर्क
- स्किकिट-लर्न का उपयोग करके एक नमूना मशीन लर्निंग प्रोजेक्ट को शुरू से अंत तक ट्रैक करें।
- कई प्रशिक्षण मॉडल की जांच करें, जैसे कि पहनावा तकनीक, यादृच्छिक वन, निर्णय वृक्ष, और समर्थन वेक्टर मशीन।
- TensorFlow लाइब्रेरी का उपयोग करके तंत्रिका नेटवर्क बनाएं और प्रशिक्षित करें।
- खोज करते समय दृढ़ नेटवर्क, आवर्तक जाल और गहन सुदृढीकरण सीखने पर विचार करें तंत्रिका जाल डिजाइन.
- गहरे तंत्रिका नेटवर्क को स्केल और प्रशिक्षित करना सीखें।
7. हैकर्स के लिए मशीन लर्निंग
डेटा विश्लेषण में रुचि रखने वाले अनुभवी प्रोग्रामर के लिए मशीन लर्निंग फॉर हैकर्स पुस्तक लिखी गई है। हैकर्स इस संदर्भ में कुशल गणितज्ञ हैं।
R की ठोस समझ रखने वाले किसी व्यक्ति के लिए, यह पुस्तक एक बढ़िया विकल्प है क्योंकि इसका अधिकांश भाग R में डेटा विश्लेषण पर केंद्रित है। इसके अतिरिक्त पुस्तक में कवर किया गया है कि उन्नत R का उपयोग करके डेटा में हेरफेर कैसे किया जाए।
प्रासंगिक मामले की कहानियों का समावेश मशीन लर्निंग एल्गोरिदम को नियोजित करने के मूल्य पर जोर देता है जो हैकर्स के लिए मशीन लर्निंग की सबसे महत्वपूर्ण बिक्री बिंदु हो सकती है।
पुस्तक सीखने की मशीन सीखने को इसके गणितीय सिद्धांत में गहराई से जाने के बजाय सरल और तेज़ बनाने के लिए कई वास्तविक दुनिया के उदाहरण देती है।
पुस्तक में शामिल विषय
- एक भोले बायेसियन क्लासिफायरियर बनाएं जो यह निर्धारित करने के लिए ईमेल की सामग्री का विश्लेषण करता है कि यह स्पैम है या नहीं।
- रैखिक प्रतिगमन का उपयोग करके शीर्ष 1,000 वेबसाइटों के लिए पृष्ठ दृश्यों की संख्या का अनुमान लगाना
- एक सीधे अक्षर सिफर को क्रैक करने का प्रयास करके अनुकूलन विधियों की जांच करें।
8. उदाहरण के साथ पायथन मशीन लर्निंग
यह पुस्तक, जो आपको विभिन्न मशीन लर्निंग, डीप लर्निंग और डेटा विश्लेषण विधियों को समझने और बनाने में मदद करती है, संभवतः केवल एक ही है जो प्रोग्रामिंग भाषा के रूप में केवल पायथन पर केंद्रित है।
यह विभिन्न मशीन लर्निंग एल्गोरिदम को लागू करने के लिए कई शक्तिशाली पुस्तकालयों को शामिल करता है, जैसे कि स्किकिट-लर्न। फिर टेंसर फ्लो मॉड्यूल का उपयोग आपको गहन शिक्षण के बारे में सिखाने के लिए किया जाता है।
अंत में, यह कई डेटा विश्लेषण अवसरों को प्रदर्शित करता है जिन्हें मशीन और डीप लर्निंग का उपयोग करके प्राप्त किया जा सकता है।
यह आपको कई तकनीकें भी सिखाता है जिनका उपयोग आपके द्वारा बनाए गए मॉडल की प्रभावशीलता को बढ़ाने के लिए किया जा सकता है।
पुस्तक में शामिल विषय
- लर्निंग पायथन एंड मशीन लर्निंग: ए बिगिनर्स गाइड
- 2 समाचार समूह डेटा सेट की जांच करना और Naive Bayes स्पैम ईमेल का पता लगाना
- एसवीएम का उपयोग करके, समाचारों के विषयों को वर्गीकृत करें पेड़ों पर आधारित एल्गोरिदम का उपयोग करके क्लिक-थ्रू भविष्यवाणी
- लॉजिस्टिक रिग्रेशन का उपयोग करके क्लिक-थ्रू दर की भविष्यवाणी
- स्टॉक की कीमतों के उच्चतम मानकों का पूर्वानुमान लगाने के लिए प्रतिगमन एल्गोरिदम का उपयोग
9. पायथन मशीन लर्निंग
पायथन मशीन लर्निंग किताब मशीन लर्निंग के मूल सिद्धांतों के साथ-साथ डिजिटल डोमेन में इसके महत्व की व्याख्या करती है। यह शुरुआती लोगों के लिए मशीन लर्निंग बुक है।
इसके अतिरिक्त पुस्तक में मशीन लर्निंग के कई उपक्षेत्र और अनुप्रयोग शामिल हैं। पायथन प्रोग्रामिंग के सिद्धांत और मुक्त और मुक्त स्रोत प्रोग्रामिंग भाषा के साथ शुरुआत कैसे करें, यह भी पायथन मशीन लर्निंग बुक में शामिल है।
मशीन लर्निंग बुक को खत्म करने के बाद, आप पायथन कोडिंग का उपयोग करके कई मशीन लर्निंग जॉब को प्रभावी ढंग से स्थापित करने में सक्षम होंगे।
पुस्तक में शामिल विषय
- आर्टिफिशियल इंटेलिजेंस फंडामेंटल
- एक निर्णय वृक्ष
- रसद प्रतिगमन
- गहन तंत्रिका नेटवर्क
- पायथन प्रोग्रामिंग भाषा की बुनियादी बातें
10. मशीन लर्निंग: एक संभावित परिप्रेक्ष्य
मशीन लर्निंग: ए प्रोबेबिलिस्टिक पर्सपेक्टिव एक विनोदी मशीन लर्निंग बुक है जिसमें जीव विज्ञान, कंप्यूटर विज़न, रोबोटिक्स और टेक्स्ट प्रोसेसिंग जैसे विषयों से उदासीन रंग ग्राफिक्स और व्यावहारिक, वास्तविक दुनिया के उदाहरण हैं।
यह आवश्यक एल्गोरिदम के लिए आकस्मिक गद्य और छद्म कोड से भरा है। मशीन लर्निंग: एक संभाव्य परिप्रेक्ष्य, अन्य मशीन लर्निंग प्रकाशनों के विपरीत, जो एक रसोई की किताब की शैली में प्रस्तुत किए जाते हैं और विभिन्न अनुमानी दृष्टिकोणों का वर्णन करते हैं, एक सैद्धांतिक मॉडल-आधारित दृष्टिकोण पर केंद्रित है।
यह स्पष्ट और समझने योग्य तरीके से ग्राफिकल अभ्यावेदन का उपयोग करके एमएल मॉडल निर्दिष्ट करता है। एक एकीकृत, संभाव्य दृष्टिकोण के आधार पर, यह पाठ्यपुस्तक मशीन सीखने के क्षेत्र में एक पूर्ण और आत्मनिर्भर परिचय प्रदान करती है।
सामग्री व्यापक और गहरी दोनों है, जिसमें संभाव्यता, अनुकूलन और रैखिक बीजगणित जैसे विषयों पर मौलिक पृष्ठभूमि सामग्री के साथ-साथ सशर्त यादृच्छिक क्षेत्रों, एल 1 नियमितीकरण और गहन शिक्षा जैसे क्षेत्र में समकालीन प्रगति की चर्चा शामिल है।
पुस्तक एक आकस्मिक, सुलभ भाषा में लिखी गई है, जिसमें मुख्य महत्वपूर्ण एल्गोरिदम के लिए छद्म कोड है।
पुस्तक में शामिल विषय
- संभावना
- ध्यान लगा के पढ़ना या सीखना
- L1 नियमितीकरण
- इष्टतमीकरण
- पाठ प्रसंस्करण
- कंप्यूटर विजन अनुप्रयोग
- रोबोटिक्स अनुप्रयोग
11. सांख्यिकीय सबक के तत्व
अपने वैचारिक ढांचे और विषयों की एक विस्तृत विविधता के लिए, इस मशीन लर्निंग पाठ्यपुस्तक को अक्सर क्षेत्र में स्वीकार किया जाता है।
इस पुस्तक का उपयोग किसी भी व्यक्ति के लिए एक संदर्भ के रूप में किया जा सकता है, जिसे तंत्रिका नेटवर्क और परीक्षण तकनीकों के साथ-साथ मशीन सीखने के लिए एक सरल परिचय जैसे विषयों पर ब्रश करने की आवश्यकता होती है।
यह पुस्तक पाठक को हर मोड़ पर अपने स्वयं के प्रयोग और जांच करने के लिए प्रेरित करती है, जिससे मशीन सीखने की क्षमता या नौकरी में प्रासंगिक प्रगति करने के लिए आवश्यक क्षमताओं और जिज्ञासा पैदा करने के लिए इसे मूल्यवान बना दिया जाता है।
यह सांख्यिकीविदों और व्यवसाय या विज्ञान में डेटा माइनिंग में रुचि रखने वाले किसी भी व्यक्ति के लिए एक महत्वपूर्ण उपकरण है। सुनिश्चित करें कि आप इस पुस्तक को शुरू करने से पहले कम से कम रैखिक बीजगणित को समझते हैं।
पुस्तक में शामिल विषय
- पर्यवेक्षित शिक्षण (भविष्यवाणी) पर्यवेक्षित शिक्षण के लिए
- तंत्रिका जाल
- समर्थन वेक्टर मशीन
- वर्गीकरण पेड़
- बूस्टिंग एल्गोरिदम
12. पैटर्न मान्यता और मशीन प्रवीणता
इस पुस्तक में पैटर्न पहचान और मशीन लर्निंग की दुनिया को अच्छी तरह से खोजा जा सकता है। पैटर्न मान्यता के लिए बायेसियन दृष्टिकोण मूल रूप से इस प्रकाशन में प्रस्तुत किया गया था।
इसके अलावा, पुस्तक उन चुनौतीपूर्ण विषयों की जांच करती है जिन्हें बहुभिन्नरूपी, डेटा विज्ञान और मौलिक रैखिक बीजगणित की कार्यशील समझ की आवश्यकता होती है।
मशीन लर्निंग और प्रायिकता पर, संदर्भ पुस्तक डेटासेट में रुझानों के आधार पर जटिलता के उत्तरोत्तर कठिन स्तरों वाले अध्याय प्रस्तुत करती है। पैटर्न मान्यता के सामान्य परिचय से पहले सरल उदाहरण दिए गए हैं।
पुस्तक अनुमानित अनुमान के लिए तकनीक प्रदान करती है, जो उन मामलों में त्वरित अनुमान लगाने की अनुमति देती है जब सटीक समाधान अव्यावहारिक होते हैं। संभाव्यता वितरण का वर्णन करने के लिए ग्राफिकल मॉडल को नियोजित करने वाली कोई अन्य पुस्तकें नहीं हैं, लेकिन यह करता है।
पुस्तक में शामिल विषय
- बायेसियन विधियाँ
- अनुमानित अनुमान एल्गोरिदम
- गुठली पर आधारित नए मॉडल
- बुनियादी संभाव्यता सिद्धांत का परिचय
- पैटर्न पहचान और मशीन लर्निंग का परिचय
13. प्रिडिक्टिव डेटा एनालिटिक्स से मशीन लर्निंग के फंडामेंटल
यदि आपने मशीन लर्निंग के मूल सिद्धांतों में महारत हासिल कर ली है और भविष्य कहनेवाला डेटा एनालिटिक्स की ओर बढ़ना चाहते हैं, तो यह किताब आपके लिए है!!! बड़े पैमाने पर डेटासेट से पैटर्न ढूंढकर, मशीन लर्निंग का उपयोग भविष्यवाणी मॉडल विकसित करने के लिए किया जा सकता है।
यह पुस्तक एमएल के उपयोग के कार्यान्वयन की जांच करती है भविष्य कहनेवाला डेटा विश्लेषिकी सैद्धांतिक सिद्धांतों और वास्तविक उदाहरणों दोनों सहित गहराई से।
इस तथ्य के बावजूद कि "फंडामेंटल्स ऑफ मशीन लर्निंग फॉर प्रेडिक्टिव डेटा एनालिटिक्स" शीर्षक एक कौर है, यह पुस्तक डेटा से अंतर्दृष्टि तक एक निष्कर्ष तक प्रेडिक्टिव डेटा एनालिटिक्स यात्रा की रूपरेखा तैयार करेगी।
यह चार मशीन लर्निंग दृष्टिकोणों पर भी चर्चा करता है: सूचना-आधारित शिक्षा, समानता-आधारित शिक्षा, संभाव्यता-आधारित शिक्षा, और त्रुटि-आधारित शिक्षा, प्रत्येक एक गैर-तकनीकी वैचारिक स्पष्टीकरण के साथ गणितीय मॉडल और उदाहरणों के साथ एल्गोरिदम।
पुस्तक में शामिल विषय
- सूचना आधारित शिक्षा
- समानता आधारित शिक्षा
- संभाव्यता आधारित शिक्षा
- त्रुटि आधारित शिक्षा
14. एप्लाइड प्रेडिक्टिव मॉडलिंग
एप्लाइड प्रेडिक्टिव मॉडलिंग पूरी प्रेडिक्टिव मॉडलिंग प्रक्रिया की जांच करती है, जो डेटा प्रीप्रोसेसिंग, डेटा स्प्लिटिंग और मॉडल ट्यूनिंग फाउंडेशन के महत्वपूर्ण चरणों से शुरू होती है।
कार्य तब विभिन्न पारंपरिक और हाल के प्रतिगमन और वर्गीकरण दृष्टिकोणों का स्पष्ट विवरण प्रस्तुत करता है, जिसमें वास्तविक दुनिया की डेटा चुनौतियों को दिखाने और हल करने पर ध्यान दिया जाता है।
गाइड कई व्यावहारिक, वास्तविक दुनिया के उदाहरणों के साथ मॉडलिंग प्रक्रिया के सभी पहलुओं को प्रदर्शित करता है, और प्रत्येक अध्याय में प्रक्रिया के प्रत्येक चरण के लिए व्यापक आर कोड शामिल है।
इस बहुउद्देशीय मात्रा का उपयोग भविष्य कहनेवाला मॉडल और संपूर्ण मॉडलिंग प्रक्रिया के परिचय के रूप में, चिकित्सकों के लिए एक संदर्भ मार्गदर्शिका के रूप में, या उन्नत स्नातक या स्नातक स्तर के भविष्य कहनेवाला मॉडलिंग पाठ्यक्रमों के लिए एक पाठ के रूप में किया जा सकता है।
पुस्तक में शामिल विषय
- प्रतिगमन तकनीक
- वर्गीकरण तकनीक
- जटिल एमएल एल्गोरिदम
15. मशीन लर्निंग: एल्गोरिदम की कला और विज्ञान जो डेटा की समझ बनाते हैं
यदि आप मशीन लर्निंग में इंटरमीडिएट या विशेषज्ञ हैं और "मूल सिद्धांतों पर वापस जाना" चाहते हैं, तो यह पुस्तक आपके लिए है! यह मशीन लर्निंग की विशाल जटिलता और गहराई को पूरा श्रेय देता है, जबकि इसके एकीकृत सिद्धांतों (काफी उपलब्धि!)
मशीन लर्निंग: एल्गोरिदम की कला और विज्ञान में बढ़ती जटिलता के कई केस स्टडी, साथ ही कई उदाहरण और चित्र शामिल हैं (चीजों को दिलचस्प रखने के लिए!)
पुस्तक में तार्किक, ज्यामितीय और सांख्यिकीय मॉडल की एक विस्तृत श्रृंखला के साथ-साथ जटिल और उपन्यास विषयों जैसे मैट्रिक्स फैक्टराइजेशन और आरओसी विश्लेषण शामिल हैं।
पुस्तक में शामिल विषय
- मशीन लर्निंग एल्गोरिदम को सरल करता है
- तार्किक मॉडल
- ज्यामितीय मॉडल
- सांख्यिकीय मॉडल
- आरओसी विश्लेषण
16. डेटा माइनिंग: प्रैक्टिकल मशीन लर्निंग टूल्स और तकनीक
डेटाबेस सिस्टम, मशीन लर्निंग और आंकड़ों के अध्ययन से दृष्टिकोण का उपयोग करते हुए, डेटा माइनिंग तकनीक हमें बड़ी मात्रा में डेटा में पैटर्न खोजने में सक्षम बनाती है।
यदि आपको विशेष रूप से डेटा माइनिंग तकनीकों का अध्ययन करने या सामान्य रूप से मशीन लर्निंग सीखने की योजना बनाने की आवश्यकता है, तो आपको डेटा माइनिंग: प्रैक्टिकल मशीन लर्निंग टूल्स एंड टेक्निक्स पुस्तक मिलनी चाहिए।
मशीन लर्निंग पर सबसे अच्छी किताब इसके तकनीकी पक्ष पर अधिक ध्यान केंद्रित करती है। यह मशीन लर्निंग की तकनीकी पेचीदगियों, और डेटा एकत्र करने और परिणामों का न्याय करने के लिए विभिन्न इनपुट और आउटपुट का उपयोग करने की रणनीतियों में आगे बढ़ता है।
पुस्तक में शामिल विषय
- रैखिक मॉडल
- क्लस्टरिंग
- सांख्यिकीय मॉडलिंग
- प्रदर्शन की भविष्यवाणी
- डेटा माइनिंग विधियों की तुलना करना
- उदाहरण-आधारित शिक्षा
- ज्ञान प्रतिनिधित्व और समूह
- पारंपरिक और आधुनिक डेटा माइनिंग तकनीक
17. डेटा विश्लेषण के लिए पायथन
मशीन लर्निंग में उपयोग किए गए डेटा का मूल्यांकन करने की क्षमता सबसे महत्वपूर्ण कौशल है जो एक डेटा वैज्ञानिक के पास होना चाहिए। एक सटीक पूर्वानुमान उत्पन्न करने वाला एमएल मॉडल विकसित करने से पहले, आपके अधिकांश काम में डेटा को संभालना, प्रसंस्करण, सफाई और मूल्यांकन करना शामिल होगा।
डेटा विश्लेषण निष्पादित करने के लिए आपको प्रोग्रामिंग भाषाओं जैसे पांडा, न्यूमपी, इपिथॉन और अन्य से परिचित होना चाहिए।
यदि आप डेटा साइंस या मशीन लर्निंग में काम करना चाहते हैं, तो आपके पास डेटा में हेरफेर करने की क्षमता होनी चाहिए।
आपको इस मामले में डेटा विश्लेषण के लिए पायथन किताब जरूर पढ़नी चाहिए।
पुस्तक में शामिल विषय
- आवश्यक अजगर पुस्तकालय
- उन्नत पांडा
- डेटा विश्लेषण उदाहरण
- डेटा सफाई और तैयारी
- गणितीय और सांख्यिकीय तरीके
- वर्णनात्मक सांख्यिकी का सारांश और संगणना
18. पाइथन के साथ प्राकृतिक भाषा प्रसंस्करण
मशीन लर्निंग सिस्टम की नींव प्राकृतिक भाषा प्रसंस्करण है।
पायथन के साथ प्राकृतिक भाषा प्रसंस्करण पुस्तक आपको निर्देश देती है कि एनएलटीके का उपयोग कैसे करें, जो सामान्य रूप से अंग्रेजी और एनएलपी के लिए प्रतीकात्मक और सांख्यिकीय प्राकृतिक भाषा प्रसंस्करण के लिए पायथन मॉड्यूल और उपकरणों का एक पसंदीदा संग्रह है।
पायथन पुस्तक के साथ प्राकृतिक भाषा प्रसंस्करण प्रभावी पायथन दिनचर्या प्रदान करता है जो एनएलपी को संक्षिप्त, स्पष्ट तरीके से प्रदर्शित करता है।
असंरचित डेटा, टेक्स्ट-भाषाई संरचना और अन्य एनएलपी-केंद्रित तत्वों से निपटने के लिए पाठकों के पास अच्छी तरह से एनोटेट किए गए डेटासेट तक पहुंच है।
पुस्तक में शामिल विषय
- मानव भाषा कैसे कार्य करती है?
- भाषाई डेटा संरचनाएं
- प्राकृतिक भाषा टूलकिट (एनएलटीके)
- पार्सिंग और सिमेंटिक विश्लेषण
- लोकप्रिय भाषाई डेटाबेस
- से तकनीकों को एकीकृत करें कृत्रिम बुद्धिमत्ता और भाषाविज्ञान
19. प्रोग्रामिंग कलेक्टिव इंटेलिजेंस
टोबी सेगरन द्वारा प्रोग्रामिंग कलेक्टिव इंटेलिजेंस, जिसे मशीन लर्निंग को समझना शुरू करने के लिए सबसे बड़ी किताबों में से एक माना जाता है, 2007 में डेटा साइंस और मशीन लर्निंग के प्रमुख पेशेवर रास्तों के रूप में अपनी वर्तमान स्थिति प्राप्त करने से पहले लिखी गई थी।
पुस्तक अपने दर्शकों के लिए अपनी विशेषज्ञता को प्रसारित करने के तरीके के रूप में पायथन का उपयोग करती है। प्रोग्रामिंग कलेक्टिव इंटेलिजेंस एमएल कार्यान्वयन के लिए मशीन लर्निंग के लिए एक परिचय की तुलना में अधिक मैनुअल है।
पुस्तक ऐप्स से डेटा एकत्र करने, वेबसाइटों से डेटा प्राप्त करने के लिए प्रोग्रामिंग, और एकत्र किए गए डेटा को एक्सट्रपलेशन करने के लिए प्रभावी एमएल एल्गोरिदम विकसित करने के बारे में जानकारी प्रदान करती है।
प्रत्येक अध्याय में चर्चा किए गए एल्गोरिदम का विस्तार करने और उनकी उपयोगिता बढ़ाने के लिए गतिविधियां शामिल हैं।
पुस्तक में शामिल विषय
- बायेसियन फ़िल्टरिंग
- समर्थन वेक्टर मशीन
- खोज इंजन एल्गोरिदम
- भविष्यवाणी करने के तरीके
- सहयोगी फ़िल्टरिंग तकनीक
- गैर-नकारात्मक मैट्रिक्स कारक
- समस्या-समाधान के लिए बुद्धि विकसित करना
- समूहों या पैटर्न का पता लगाने के तरीके
20. डीप लर्निंग (अनुकूली संगणना और मशीन लर्निंग सीरीज)
जैसा कि हम सभी जानते हैं, डीप लर्निंग एक बेहतर प्रकार की मशीन लर्निंग है जो कंप्यूटर को पिछले प्रदर्शन और बड़ी मात्रा में डेटा से सीखने में सक्षम बनाती है।
मशीन लर्निंग तकनीकों का उपयोग करते समय, आपको गहन शिक्षण सिद्धांतों से भी परिचित होना चाहिए। गहन शिक्षा की बाइबिल मानी जाने वाली यह पुस्तक इस परिस्थिति में बहुत सहायक होगी।
तीन गहन शिक्षण विशेषज्ञ अत्यधिक जटिल विषयों को कवर करते हैं जो इस पुस्तक में गणित और गहन जनरेटिव मॉडल से भरे हुए हैं।
गणितीय और वैचारिक आधार प्रदान करते हुए, कार्य रैखिक बीजगणित, संभाव्यता सिद्धांत, सूचना सिद्धांत, संख्यात्मक गणना और मशीन सीखने में प्रासंगिक विचारों पर चर्चा करता है।
यह प्राकृतिक भाषा प्रसंस्करण, भाषण मान्यता, कंप्यूटर दृष्टि, ऑनलाइन सिफारिश प्रणाली, जैव सूचना विज्ञान, और वीडियो गेम जैसे अनुप्रयोगों की जांच करता है और उद्योग के चिकित्सकों द्वारा उपयोग की जाने वाली गहरी सीखने की तकनीकों का वर्णन करता है, जैसे कि गहरे फीडफॉरवर्ड नेटवर्क, नियमितीकरण, और अनुकूलन एल्गोरिदम, दृढ़ नेटवर्क और व्यावहारिक कार्यप्रणाली। .
पुस्तक में शामिल विषय
- संख्यात्मक गणना
- डीप लर्निंग रिसर्च
- कंप्यूटर विजन तकनीक
- डीप फीडफॉरवर्ड नेटवर्क
- डीप मॉडल के प्रशिक्षण के लिए अनुकूलन
- व्यावहारिक कार्यप्रणाली
- डीप लर्निंग रिसर्च
निष्कर्ष
उस सूची में शीर्ष 20 मशीन लर्निंग पुस्तकों को संक्षेप में प्रस्तुत किया गया है, जिनका उपयोग आप अपनी पसंद की दिशा में मशीन लर्निंग को आगे बढ़ाने के लिए कर सकते हैं।
यदि आप इन विभिन्न पाठ्यपुस्तकों को पढ़ते हैं तो आप मशीन सीखने की विशेषज्ञता और एक संदर्भ पुस्तकालय में एक ठोस आधार विकसित करने में सक्षम होंगे जिसका उपयोग आप क्षेत्र में काम करते समय अक्सर कर सकते हैं।
अगर आप सिर्फ एक किताब पढ़ते हैं तो भी आपको सीखने, बेहतर होने और प्रभाव डालने के लिए प्रेरित किया जाएगा।
जब आप अपने मशीन लर्निंग एल्गोरिदम को विकसित करने के लिए तैयार और सक्षम हों, तो ध्यान रखें कि डेटा आपके प्रोजेक्ट की सफलता के लिए अत्यंत आवश्यक है।
एक जवाब लिखें