Efnisyfirlit[Fela][Sýna]
Við the vegur, við erum öll meðvituð um hversu hratt vélanámstækni hefur þróast á síðustu árum. Vélanám er fræðigrein sem hefur vakið áhuga nokkurra fyrirtækja, fræðimanna og geira.
Vegna þessa mun ég fjalla um nokkrar af bestu bókunum um vélanám sem verkfræðingur eða nýliði ætti að lesa í dag. Þið hljótið öll að hafa verið sammála um að lestur bóka er ekki það sama og að nota gáfurnar.
Lestur bóka hjálpar huga okkar að uppgötva fullt af nýjum hlutum. Lestur er að læra, þegar allt kemur til alls. Sjálfsnámsmerki er mjög skemmtilegt að hafa. Bestu kennslubækurnar sem til eru á þessu sviði verða dregnar fram í þessari grein.
Eftirfarandi kennslubækur bjóða upp á sanna og sanna kynningu á stærra sviði gervigreindar og eru oft notaðar í háskólanámskeiðum og mælt með bæði af fræðimönnum og verkfræðingum.
Jafnvel ef þú átt tonn af vél nám reynslu, gæti það verið frábær leið til að endurnýja þig að taka upp eina af þessum kennslubókum. Enda er nám stöðugt ferli.
1. Vélarnám fyrir algjöra byrjendur
Þú vilt læra vélanám en veist ekki hvernig á að gera það. Það eru nokkur mikilvæg fræðileg og tölfræðileg hugtök sem þú ættir að skilja áður en þú byrjar epíska ferð þína í vélanám. Og þessi bók uppfyllir þá þörf!
Það býður upp á fullkomna nýliða með háu stigi, sem á við kynning á vélanámi. Bókin Machine Learning for Absolute Beginners er einn besti kosturinn fyrir alla sem leita að einföldustu skýringum á vélanámi og tengdum hugmyndum.
Fjölmörgum ml reikniritum bókarinnar fylgja hnitmiðaðar útskýringar og myndræn dæmi til að auðvelda lesendum að skilja allt sem fjallað er um.
Efni sem fjallað er um í bókinni
- Grunnatriði í taugakerfi
- Endurgreiningargreining
- Eiginleikaverkfræði
- Þyrping
- Krossfullgilding
- Gagnaskrúbbunaraðferðir
- Ákvörðunartré
- Ensemble fyrirsætagerð
2. Vélarnám fyrir dúllur
Vélnám gæti verið ruglingsleg hugmynd fyrir venjulegt fólk. Hins vegar er það ómetanlegt fyrir okkur sem erum fróð.
Án ML er erfitt að stjórna málum eins og leitarniðurstöðum á netinu, rauntímaauglýsingum á vefsíðum, sjálfvirkni eða jafnvel ruslpóstsíun (Já!).
Þess vegna býður þessi bók þér einfalda kynningu sem mun hjálpa þér að læra meira um hið dularfulla svið vélanáms. Með hjálp Machine Learning For Dummies muntu læra hvernig á að „tala“ tungumál eins og Python og R, sem gerir þér kleift að þjálfa tölvur til að gera mynsturgreiningu og gagnagreiningu.
Að auki munt þú læra hvernig á að nota Python's Anaconda og R Studio til að þróa í R.
Efni sem fjallað er um í bókinni
- Undirbúningur gagna
- nálgun fyrir vélanám
- Vélnámslotan
- Nám undir eftirliti og án eftirlits
- Þjálfun vélanámskerfa
- Að tengja vélanámsaðferðir við niðurstöður
3. The Hundred Page Machine Learning Book
Er mögulegt að ná yfir alla þætti vélanáms á undir 100 síðum? The Hundred-Page Machine Learning Book eftir Andriy Burkov er tilraun til að gera slíkt hið sama.
Vélnámsbókin er vel skrifuð og studd af virtum hugmyndaleiðtogum þar á meðal Sujeet Varakhedi, yfirmanni verkfræði hjá eBay, og Peter Norvig, rannsóknarstjóra hjá Google.
Þetta er besta bókin fyrir byrjendur í vélanámi. Eftir að hafa lesið bókina ítarlega muntu geta smíðað og skilið háþróuð gervigreind kerfi, náð árangri í vélanámsviðtali og jafnvel stofnað þitt eigið ML-undirstaða fyrirtæki.
Hins vegar er bókin ekki ætluð algjörum byrjendum í vélanámi. Leitaðu einhvers staðar ef þú ert að leita að einhverju grundvallaratriði.
Efni sem fjallað er um í bókinni
- Líffærafræði a nám reiknirit
- Nám undir eftirliti og nám án eftirlits
- Styrkingarnám
- Grundvallaralgrím vélanáms
- Yfirlit yfir taugakerfi og djúpt nám
4. Að skilja vélanám
Skipuleg kynning á vélanámi er veitt í bókinni Understanding Machine Learning. Í bókinni er kafað djúpt í grunnhugmyndir, reiknireglur og stærðfræðilegar afleiður vélanáms.
Mikið úrval vélanámsgreina er sett fram á einfaldan hátt með vélanámi. Fræðilegum grunni vélanáms er lýst í bókinni ásamt stærðfræðilegum afleiðslum sem breyta þessum grunni í gagnlegar reiknirit.
Bókin kynnir grundvallaratriði áður en farið er yfir margs konar mikilvæg viðfangsefni sem ekki hefur verið fjallað um í fyrri kennslubókum.
Innifalið í þessu er umfjöllun um kúptar- og stöðugleikahugtökin og reiknifræðilega flókið nám, auk mikilvægra reiknireglugerðar eins og stochastic. hallandi lækkun, tauganet og skipulögð úttaksnám, auk nýrra fræðilegra hugmynda eins og PAC-Bayes nálgun og þjöppunarmiðuð mörk. hannað fyrir byrjendur eða lengra komna í grunnnámi.
Efni sem fjallað er um í bókinni
- Reikniflækjustig vélanáms
- ML reiknirit
- Taugakerfi
- PAC-Bayes nálgun
- Stókastísk hallafall
- Skipulagt úttaksnám
5. Kynning á vélanámi með Python
Ert þú Python-kunnugur gagnafræðingur sem vill læra vélanám? Besta bókin til að hefja vélnámsævintýrið þitt með er Introduction to Machine Learning with Python: A Guide for Data Scientists.
Með hjálp bókarinnar Introduction to Machine Learning with Python: A Guide for Data Scientists muntu uppgötva ýmsar gagnlegar aðferðir til að búa til sérsniðin vélanámsforrit.
Þú munt fara yfir öll mikilvæg skref sem taka þátt í að nota Python og Scikit-Learn pakkann til að byggja áreiðanleg vélanámsforrit.
Að ná traustum tökum á matplotlib og NumPy bókasöfnunum mun gera námið miklu auðveldara.
Efni sem fjallað er um í bókinni
- Nútíma tækni til að breyta breytum og líkanamati
- Forrit og grunnhugmyndir um vélanám
- sjálfvirk námstækni
- Aðferðir til að vinna með textagögn
- Leiðslur fyrir keðju- og verkflæðishjúpun líkana
- Framsetning gagna eftir vinnslu
6. Handvirkt vélanám með Sci-kit learning, Keras & Tensorflow
Meðal ítarlegustu ritanna um gagnavísindi og vélanám er hún stútfull af þekkingu. Mælt er með því að sérfræðingar og nýliðar kynni sér meira um þetta efni.
Þrátt fyrir að þessi bók innihaldi aðeins lítið magn af kenningum er hún studd sterkum dæmum, sem gefur henni sæti á listanum.
Þessi bók inniheldur margvísleg efni, þar á meðal scikit-learn fyrir vélanámsverkefni og TensorFlow til að búa til og þjálfa taugakerfi.
Eftir að hafa lesið þessa bók, teljum við að þú sért betur í stakk búinn til að kafa lengra í djúpt nám og takast á við hagnýt vandamál.
Efni sem fjallað er um í bókinni
- Skoðaðu landslag vélanáms, sérstaklega taugakerfi
- Fylgstu með sýnishorni um vélnámsverkefni frá upphafi til enda með því að nota Scikit-Learn.
- Skoðaðu nokkur þjálfunarlíkön, svo sem ensemble tækni, tilviljunarkennda skóga, ákvörðunartré og stuðning vektor véla.
- Búðu til og þjálfaðu taugakerfi með því að nota TensorFlow bókasafnið.
- Íhugaðu sveiflunet, endurtekin net og djúpt styrkingarnám á meðan þú ert að kanna tauganet hönnun.
- Lærðu hvernig á að skala og þjálfa djúp tauganet.
7. Vélnám fyrir tölvuþrjóta
Fyrir vana forritarann sem hefur áhuga á gagnagreiningu er bókin Machine Learning for Hackers skrifuð. Tölvuþrjótar eru færir stærðfræðingar í þessu samhengi.
Fyrir einhvern með traustan skilning á R er þessi bók frábær kostur vegna þess að meirihluti hennar snýst um gagnagreiningu í R. Auk þess sem fjallað er um í bókinni er hvernig á að vinna með gögn með því að nota háþróaða R.
Með því að taka inn viðeigandi dæmisögur er lögð áhersla á gildi þess að nota reiknirit fyrir vélrænt nám getur verið mikilvægasti sölustaðurinn í bókinni Machine Learning for Hackers.
Bókin gefur mörg raunveruleg dæmi til að gera nám í vélanámi einfaldara og hraðvirkara frekar en að fara dýpra í stærðfræðikenninguna um það.
Efni sem fjallað er um í bókinni
- Búðu til barnalegan Bayesian flokkara sem greinir einfaldlega innihald tölvupósts til að ákvarða hvort það sé ruslpóstur.
- Að spá fyrir um fjölda síðuflettinga fyrir 1,000 efstu vefsíðurnar með línulegri aðhvarf
- Rannsakaðu hagræðingaraðferðir með því að reyna að sprunga einfalt stafkóða.
8. Python vélanám með dæmum
Þessi bók, sem hjálpar þér að skilja og búa til ýmsar vélanám, djúpnám og gagnagreiningaraðferðir, er líklega sú eina sem einblínir aðeins á Python sem forritunarmál.
Það nær yfir nokkur öflug bókasöfn til að innleiða mismunandi reiknirit fyrir vélanám, svo sem Scikit-Learn. Tensor Flow einingin er síðan notuð til að kenna þér um djúpt nám.
Að lokum sýnir það mörg tækifæri til gagnagreiningar sem hægt er að ná með vél- og djúpnámi.
Það kennir þér einnig fjölmargar aðferðir sem hægt er að nota til að auka skilvirkni líkansins sem þú býrð til.
Efni sem fjallað er um í bókinni
- Að læra Python og vélanám: Leiðbeiningar fyrir byrjendur
- Skoða gagnasettið 2 fréttahópa og Naive Bayes ruslpóstsuppgötvun
- Með því að nota SVM, flokkaðu efni fréttasagna Smellisspá með því að nota reiknirit byggða á trjám
- Spá um smellihlutfall með því að nota logistic regression
- Notkun aðhvarfsreiknirita til að spá fyrir um hæstu kröfur hlutabréfaverðs
9. Python vélanám
Python Machine Learning bókin útskýrir grundvallaratriði vélanáms sem og mikilvægi þess á stafrænu sviði. Það er vélanámsbók fyrir byrjendur.
Auk þess sem bókin fjallar um eru mörg undirsvið og forrit vélanáms. Einnig er fjallað um meginreglur Python forritunar og hvernig á að byrja með ókeypis og opna forritunarmálinu í Python Machine Learning bókinni.
Eftir að hafa klárað vélnámsbókina muntu geta komið á fót fjölda vélanámsstarfa með því að nota Python kóðun.
Efni sem fjallað er um í bókinni
- Grunnatriði gervigreindar
- ákvörðunartré
- Logistic afturför
- Djúpt tauganet
- Grunnatriði Python forritunarmálsins
10. Machine Learning: A Probabilistic Perspective
Machine Learning: A Probabilistic Perspective er gamansöm vélanámsbók sem býður upp á nostalgíska litagrafík og hagnýt, raunhæf dæmi úr greinum eins og líffræði, tölvusjón, vélfærafræði og textavinnslu.
Það er fullt af frjálsum prósa og gervikóða fyrir nauðsynleg reiknirit. Machine Learning: A Probabilistic Perspective, öfugt við önnur vélanámsrit sem eru sett fram í stíl matreiðslubókar og lýsa ýmsum heuristic nálgunum, einbeitir sér að meginreglubundinni líkanbundinni nálgun.
Það tilgreinir ml líkön sem nota grafíska framsetningu á skýran og skiljanlegan hátt. Þessi kennslubók, sem byggir á samræmdri, líkindafræðilegri nálgun, veitir fullkomna og sjálfstæða kynningu á sviði vélanáms.
Innihaldið er bæði breitt og djúpt, þar á meðal grundvallarbakgrunnsefni um efni eins og líkindi, hagræðingu og línulega algebru, auk umfjöllunar um framfarir samtímans á þessu sviði eins og skilyrt slembisvið, L1 reglusetningu og djúpt nám.
Bókin er skrifuð á frjálslegu, aðgengilegu tungumáli, sem inniheldur gervikóða fyrir helstu mikilvægu reiknirit.
Efni sem fjallað er um í bókinni
- Líkur
- Djúpt nám
- Reglugerð L1
- Optimization
- Textavinnsla
- Computer Vision forrit
- Vélfærafræði forrit
11. Þættir tölfræðináms
Fyrir hugmyndaumgjörð sína og fjölbreytt úrval viðfangsefna er þessi kennslubók í vélanámi oft viðurkennd á þessu sviði.
Þessa bók er hægt að nota sem tilvísun fyrir alla sem þurfa að endurskoða efni eins og taugakerfi og prófunartækni sem og einfalda kynningu á vélanámi.
Bókin ýtir hart á lesandann til að gera sínar eigin tilraunir og rannsóknir á hverjum tíma, sem gerir hana dýrmæta til að rækta hæfileikana og forvitnina sem þarf til að gera viðeigandi framfarir í vélanámsgetu eða starfi.
Það er mikilvægt tæki fyrir tölfræðinga og alla sem hafa áhuga á gagnavinnslu í viðskiptum eða vísindum. Gakktu úr skugga um að þú skiljir línulega algebru að minnsta kosti áður en þú byrjar á þessari bók.
Efni sem fjallað er um í bókinni
- Nám undir eftirliti (spá) yfir í nám án eftirlits
- Taugakerfi
- Stuðningur vektor vélar
- Flokkunartré
- Uppörvun reiknirit
12. Mynsturþekking og vélanám
Heima mynsturgreiningar og vélanáms er hægt að kanna rækilega í þessari bók. Bayesíska nálgunin við mynsturgreiningu var upphaflega kynnt í þessu riti.
Jafnframt skoðar bókin krefjandi viðfangsefni sem þurfa vinnuskilning á fjölbreytu, gagnafræði og grundvallar línulegri algebru.
Um vélanám og líkindi býður uppflettibókin upp á kafla með sífellt erfiðara flækjustigi byggða á þróun gagnasetta. Einföld dæmi eru gefin fyrir almenna kynningu á mynsturgreiningu.
Bókin býður upp á aðferðir til að ná ályktunum, sem leyfa skjótar nálganir í þeim tilvikum þegar nákvæmar lausnir eru óhagkvæmar. Það eru engar aðrar bækur sem nota grafísk líkön til að lýsa líkindadreifingu, en það gerir það.
Efni sem fjallað er um í bókinni
- Bayesískar aðferðir
- Áætlaðar ályktunaralgrímar
- Ný líkön byggð á kjarna
- Inngangur að grunnlíkindafræði
- Kynning á mynsturgreiningu og vélanámi
13. Grundvallaratriði vélanáms frá forspárgagnagreiningu
Ef þú hefur náð tökum á grundvallaratriðum vélanáms og vilt halda áfram í forspárgagnagreiningu, þá er þetta bókin fyrir þig!!! Með því að finna mynstur úr gríðarmiklum gagnasöfnum er hægt að nota vélanám til að þróa spálíkön.
Þessi bók fjallar um innleiðingu ML að nýta Forspárgagnagreining ítarlega, þar á meðal bæði fræðilegar meginreglur og raunveruleg dæmi.
Þrátt fyrir þá staðreynd að titillinn „Fundamentals of Machine Learning for Predictive Data Analytics“ sé munnfylli, mun þessi bók lýsa ferðalagi Predictive Data Analytics frá gögnum til innsýnar að niðurstöðu.
Einnig er fjallað um fjórar vélanámsaðferðir: upplýsingamiðað nám, líkindamiðað nám, líkindamiðað nám og villumiðað nám, hver með ótæknilegri hugmyndafræðilegri skýringu og fylgt eftir með stærðfræðilíkönum og reikniritum með dæmum.
Efni sem fjallað er um í bókinni
- Upplýsingamiðað nám
- Nám sem byggir á líkingum
- Líkindamiðað nám
- Villumiðað nám
14. Applied Predictive Modeling
Applied Predictive Modeling skoðar allt forspárlíkanaferlið og byrjar á mikilvægum stigum gagnaforvinnslu, gagnaskiptingar og líkanastillingar.
Í verkinu eru síðan settar fram skýrar lýsingar á ýmsum hefðbundnum og nýlegum aðhvarfs- og flokkunaraðferðum, með áherslu á að sýna og leysa raunverulegar gagnaáskoranir.
Leiðbeiningin sýnir allar hliðar líkanaferilsins með nokkrum raunhæfum dæmum og hver kafli inniheldur yfirgripsmikinn R kóða fyrir hvert stig ferlisins.
Þetta fjölnota bindi er hægt að nota sem kynningu á forspárlíkönum og öllu líkanaferlinu, sem viðmiðunarleiðbeiningar fyrir iðkendur, eða sem texta fyrir framhaldsnám í forspárlíkönum í grunn- eða framhaldsnámi.
Efni sem fjallað er um í bókinni
- Aðhvarfstækni
- Flokkunartækni
- Flókin ML reiknirit
15. Vélræn nám: listin og vísindi reikniritanna sem skilja gögnin
Ef þú ert millistig eða sérfræðingur í vélanámi og vilt fara „aftur í grunnatriði“, þá er þessi bók fyrir þig! Það veitir gífurlega margbreytileika og dýpt Machine Learning fullan heiður en missir aldrei sjónar á sameinandi meginreglum þess (alveg afrek!).
Vélarnám: List og vísindi reikniritanna innihalda nokkrar dæmisögur um vaxandi flókið, auk fjölda dæma og mynda (til að halda hlutunum áhugaverðum!).
Bókin nær einnig yfir mikið úrval af rökrænum, rúmfræðilegum og tölfræðilegum líkönum, auk flókinna og nýstárlegra viðfangsefna eins og fylkisþátttöku og ROC greiningar.
Efni sem fjallað er um í bókinni
- Einfaldar reiknirit fyrir vélanám
- Rökrétt líkan
- Geometrískt líkan
- Tölfræðilegt líkan
- ROC greining
16. Gagnanám: Hagnýt vélanámsverkfæri og -tækni
Með því að nota aðferðir frá rannsóknum á gagnagrunnskerfum, vélanámi og tölfræði, gerir gagnavinnslutækni okkur kleift að finna mynstur í miklu magni gagna.
Þú ættir að fá þér bókina Data Mining: Practical Machine Learning Tools and Techniques ef þú þarft að læra sérstaklega gagnavinnslutækni eða ætlar að læra vélanám almennt.
Besta bókin um vélanám einbeitir sér meira að tæknilegu hliðinni. Það kafar frekar í tæknilega ranghala vélanáms og aðferðir til að safna gögnum og nota ýmis inntak og úttak til að dæma niðurstöður.
Efni sem fjallað er um í bókinni
- Línuleg líkön
- Þyrping
- Tölfræðilíkön
- Að spá fyrir um frammistöðu
- Samanburður á gagnavinnsluaðferðum
- Tilviksbundið nám
- Þekkingarframsetning & klasar
- Hefðbundin og nútímaleg gagnavinnsluaðferðir
17. Python fyrir gagnagreiningu
Hæfni til að meta gögnin sem notuð eru í vélanámi er mikilvægasta kunnáttan sem gagnafræðingur verður að búa yfir. Áður en þú þróar ML líkan sem framleiðir nákvæma spá mun meirihluti starf þitt fela í sér meðhöndlun, vinnslu, hreinsun og mat á gögnum.
Þú þarft að þekkja forritunarmál eins og Pandas, NumPy, Ipython og fleiri til að framkvæma gagnagreiningu.
Ef þú vilt vinna í gagnafræði eða vélanámi verður þú að hafa getu til að vinna með gögn.
Þú ættir örugglega að lesa bókina Python for Data Analysis í þessu tilfelli.
Efni sem fjallað er um í bókinni
- Essential Python bókasöfn
- Háþróaðar Pandas
- Dæmi um gagnagreiningu
- Gagnahreinsun og undirbúningur
- Stærðfræðilegar og tölfræðilegar aðferðir
- Samantekt og útreikningur lýsandi tölfræði
18. Náttúruleg málvinnsla með Python
Grunnur vélanámskerfa er náttúruleg málvinnsla.
Bókin Natural Language Processing with Python kennir þér hvernig á að nýta NLTK, vinsælt safn Python eininga og tóla fyrir táknræna og tölfræðilega náttúrumálsvinnslu fyrir ensku og NLP almennt.
Náttúruleg málvinnsla með Python bókinni veitir árangursríkar Python venjur sem sýna NLP á hnitmiðaðan, augljósan hátt.
Lesendur hafa aðgang að vel skýrðum gagnasöfnum til að takast á við óskipulögð gögn, textamálfræðilega uppbyggingu og aðra þætti sem miða að NLP.
Efni sem fjallað er um í bókinni
- Hvernig virkar mál manna?
- Málfræðileg gagnagerð
- Natural Language Toolkit (NLTK)
- Úrgreining og merkingargreining
- Vinsælir tungumálagagnagrunnar
- Samþætta tækni frá gervigreind og málvísindi
19. Forritun sameiginlegrar upplýsingaöflunar
The Programming Collective Intelligence eftir Toby Segaran, sem er talin ein af bestu bókunum til að byrja að skilja vélanám, var skrifuð árið 2007, árum áður en gagnavísindi og vélanám náðu núverandi stöðu sinni sem leiðandi fagbrautir.
Bókin notar Python sem aðferð til að miðla sérfræðiþekkingu sinni til áhorfenda. The Programming Collective Intelligence er meira handbók fyrir ml innleiðingu en það er kynning á vélanámi.
Bókin veitir upplýsingar um þróun skilvirkra ML reiknirita til að safna gögnum úr öppum, forritun til að afla gagna frá vefsíðum og framreikna gögnin sem safnað er.
Hver kafli inniheldur verkefni til að auka umrædd reiknirit og auka notagildi þeirra.
Efni sem fjallað er um í bókinni
- Bayesísk síun
- Stuðningur vektor vélar
- Reiknirit leitarvéla
- Leiðir til að spá
- Samvinnu síunartækni
- Óneikvæð fylkisþáttun
- Þróandi greind til að leysa vandamál
- Aðferðir til að greina hópa eða mynstur
20. Djúpt nám (aðlögunarhæf reikni- og vélanámsröð)
Eins og við vitum öll er djúpnám endurbætt tegund vélanáms sem gerir tölvum kleift að læra af fyrri frammistöðu og miklu magni gagna.
Meðan þú notar vélanámstækni þarftu líka að vera kunnugur djúpnámi. Þessi bók, sem er álitin Biblían djúpnáms, mun vera mjög gagnleg í þessum aðstæðum.
Þrír djúpnámssérfræðingar fjalla um mjög flókin efni sem eru full af stærðfræði og djúpum kynslóðarlíkönum í þessari bók.
Verkið veitir stærðfræðilegan og huglægan grunn og fjallar um viðeigandi hugmyndir í línulegri algebru, líkindafræði, upplýsingafræði, tölulegum útreikningum og vélanámi.
Það skoðar forrit eins og náttúrulega málvinnslu, talgreiningu, tölvusjón, meðmælakerfi á netinu, lífupplýsingafræði og tölvuleiki og lýsir djúpnámsaðferðum sem iðkendur iðnaðarins nota, svo sem djúp straumnetkerfi, reglustillingu og hagræðingaralgrím, samtengingarnet og hagnýta aðferðafræði .
Efni sem fjallað er um í bókinni
- Tölulegur útreikningur
- Djúpnámsrannsóknir
- Tölvusjóntækni
- Deep Feedforward Networks
- Hagræðing fyrir þjálfun Deep Models
- Hagnýt aðferðafræði
- Djúpnámsrannsóknir
Niðurstaða
20 bestu vélanámsbækurnar eru teknar saman á þessum lista, sem þú getur notað til að þróa vélanám í þá átt sem þú vilt.
Þú munt geta þróað traustan grunn í sérfræðiþekkingu á vélanámi og tilvísunarsafn sem þú getur notað oft á meðan þú vinnur á svæðinu ef þú lest ýmsar þessar kennslubækur.
Þú færð innblástur til að halda áfram að læra, verða betri og hafa áhrif, jafnvel þó þú lesir bara eina bók.
Þegar þú ert tilbúinn og hæfur til að þróa eigin vélrænni reiknirit skaltu hafa í huga að gögn eru nauðsynleg til að verkefnið þitt nái árangri.
Skildu eftir skilaboð