Мазмұны[Жасыру][Көрсету]
Айтпақшы, соңғы бірнеше жылда машиналық оқыту технологиясының қаншалықты жылдам дамығанын бәріміз білеміз. Машиналық оқыту - бұл бірнеше корпорациялардың, ғалымдардың және секторлардың қызығушылығын тудырған пән.
Осыған байланысты мен инженер немесе жаңадан келген адам бүгін оқуы керек машиналық оқыту бойынша ең жақсы кітаптарды талқылаймын. Кітап оқу ақылды пайдаланумен бірдей емес екенін бәріңіз келіскен боларсыздар.
Кітап оқу біздің санамызға көптеген жаңа нәрселерді ашуға көмектеседі. Оқу - бұл үйрену, түптеп келгенде. Өзін-өзі үйренуші тегі - бұл өте қызықты. Осы мақалада осы саладағы ең үлкен оқулықтар бөлектелетін болады.
Келесі оқулықтар AI-ның кеңірек саласына сыналған және шынайы кіріспе ұсынады және университет курстарында жиі пайдаланылады және академиктер мен инженерлер ұсынады.
Сізде тонна болса да машина оқыту Осы оқулықтардың бірін алу тәжірибені жетілдірудің тамаша тәсілі болуы мүмкін. Өйткені, оқыту үздіксіз процесс.
1. Абсолютті жаңадан бастаушыларға арналған машиналық оқыту
Сіз машиналық оқытуды оқығыңыз келеді, бірақ оны қалай жасау керектігін білмейсіз. Машиналық оқытуға эпикалық сапарыңызды бастамас бұрын түсінуіңіз керек бірнеше маңызды теориялық және статистикалық тұжырымдамалар бар. Және бұл кітап бұл қажеттілікті өтейді!
Ол жоғары деңгейлі, қолданылатын толық жаңадан келгендерге ұсынады машиналық оқытуға кіріспе. Абсолютті жаңадан бастаушыларға арналған машиналық оқыту кітабы машиналық оқытудың жеңілдетілген түсіндірмесін және онымен байланысты идеяларды іздейтін кез келген адам үшін ең жақсы таңдаулардың бірі болып табылады.
Кітаптың көптеген мл алгоритмдері оқырмандарға талқыланатын барлық нәрсені түсінуге көмектесу үшін қысқаша түсініктемелер мен графикалық мысалдармен бірге жүреді.
Кітапта қарастырылған тақырыптар
- Негіздері нейрондық желілер
- Регрессиялық талдау
- Ерекшелік инженериясы
- Кластерлеу
- Айқас валидация
- Мәліметтерді тазалау әдістері
- Шешім ағаштары
- Ансамбльді модельдеу
2. Манекендерге арналған машиналық оқыту
Машиналық оқыту қарапайым адамдар үшін түсініксіз идея болуы мүмкін. Дегенмен, білімді адамдар үшін бұл баға жетпес.
ML болмаса, онлайн іздеу нәтижелері, веб-беттердегі нақты уақыттағы жарнамалар, автоматтандыру немесе тіпті спам сүзу (Иә!) сияқты мәселелерді басқару қиын.
Нәтижесінде, бұл кітап сізге машиналық оқытудың жұмбақ саласы туралы көбірек білуге көмектесетін қарапайым кіріспе ұсынады. Machine Learning For Dummies көмегімен сіз Python және R сияқты тілдерде «сөйлеуді» үйренесіз, бұл компьютерлерді үлгіні тану және деректерді талдауды орындауға үйретуге мүмкіндік береді.
Сонымен қатар, сіз R тілінде дамыту үшін Python-ның Anaconda және R Studio қолданбаларын пайдалануды үйренесіз.
Кітапта қарастырылған тақырыптар
- Мәліметтерді дайындау
- машиналық оқыту тәсілдері
- Машиналық оқыту циклі
- Бақыланатын және бақылаусыз оқыту
- Оқыту машиналық оқыту жүйелері
- Машиналық оқыту әдістерін нәтижелерге байланыстыру
3. Жүз беттік машинаны үйрену кітабы
100 беттен аз машиналық оқытудың барлық аспектілерін қамту мүмкін бе? Андрей Бурковтың «Машинаны үйренудің жүз беттік кітабы» да дәл осылай жасауға тырысады.
Машинаны оқыту кітабы жақсы жазылған және оны танымал ой көшбасшылары, соның ішінде eBay инженерия бөлімінің басшысы Суджет Варахеди және Google зерттеу директоры Питер Норвиг қолдаған.
Бұл машиналық оқытуды жаңадан бастағандар үшін ең керемет кітап. Кітапты мұқият оқығаннан кейін сіз күрделі AI жүйелерін құрастырып, түсіне аласыз, машиналық оқыту сұхбатында табысқа жете аласыз және тіпті ML негізіндегі жеке компанияңызды іске қоса аласыз.
Дегенмен, кітап машиналық оқытуды толығымен жаңадан бастаушыларға арналмаған. Неғұрлым іргелі нәрсе іздесеңіз, бір жерді іздеңіз.
Кітапта қарастырылған тақырыптар
- Анатомия а оқыту алгоритмі
- Бақыланатын оқу және бақылаусыз оқыту
- Арматуралық оқыту
- Машиналық оқытудың негізгі алгоритмдері
- Нейрондық желілерге шолу және терең оқыту
4. Машиналық оқытуды түсіну
Машиналық оқытуға жүйелі кіріспе «Машиналық оқытуды түсіну» кітабында берілген. Кітап машиналық оқытудың негізгі идеяларына, есептеу парадигмаларына және математикалық туындыларына терең енеді.
Машиналық оқыту пәндерінің кең ауқымы машиналық оқыту арқылы қарапайым түрде ұсынылған. Машиналық оқытудың теориялық негіздері кітапта осы негіздерді пайдалы алгоритмдерге айналдыратын математикалық туындылармен бірге сипатталған.
Кітап бұрынғы оқулықтарда қарастырылмаған маңызды тақырыптардың кең ауқымын қамтымас бұрын негіздерді ұсынады.
Бұған дөңестік пен тұрақтылық тұжырымдамаларын және оқытудың есептеу күрделілігін, сондай-ақ стохастикалық сияқты маңызды алгоритмдік парадигмаларды талқылау кіреді. градиенттің түсуі, нейрондық желілер және құрылымдық нәтижені оқыту, сонымен қатар PAC-Bayes тәсілі және қысуға негізделген шектеулер сияқты жаңадан пайда болған теориялық идеялар. бастауыш немесе жоғары деңгейлі магистранттарға арналған.
Кітапта қарастырылған тақырыптар
- Машиналық оқытудың есептеу күрделілігі
- ML алгоритмдері
- Нейрондық желілер
- PAC-Bayes тәсілі
- Стохастикалық градиенттің түсуі
- Құрылымдық нәтижені оқыту
5. Python көмегімен машиналық оқытуға кіріспе
Сіз машиналық оқытуды зерттегіңіз келетін Python-ды білетін деректер ғалымысыз ба? Машинаны үйренуге арналған шытырман оқиғаны бастау үшін ең жақсы кітап - Python көмегімен машиналық оқытуға кіріспе: деректер ғалымдарына арналған нұсқаулық.
Python көмегімен машиналық оқытуға кіріспе: Деректер ғалымдарына арналған нұсқаулық кітабының көмегімен сіз машиналық оқытудың реттелетін бағдарламаларын жасаудың әртүрлі пайдалы әдістерін табасыз.
Сіз сенімді машиналық оқыту қосымшаларын құру үшін Python және Scikit-Learn пакетін пайдаланудағы әрбір маңызды қадамды қамтитын боласыз.
Matplotlib және NumPy кітапханаларын толық меңгеру оқуды әлдеқайда жеңілдетеді.
Кітапта қарастырылған тақырыптар
- Параметрлерді өзгерту және модельді бағалаудың заманауи әдістері
- Қолданбалар және негізгі машиналық оқыту идеялары
- автоматтандырылған оқыту әдістері
- Мәтіндік мәліметтерді өңдеу әдістері
- Модельді тізбектеу және жұмыс үрдісін инкапсуляциялау құбырлары
- Өңдеуден кейін деректерді ұсыну
6. Sci-kit Learn, Keras және Tensorflow көмегімен машиналық оқыту
Деректер ғылымы және машиналық оқыту бойынша ең мұқият жарияланымдар арасында ол білімге толы. Бұл тақырыпты сарапшылар мен жаңадан бастағандарға көбірек зерттеу ұсынылады.
Бұл кітапта теорияның аз ғана бөлігі болса да, ол тізімде орын беріп, күшті мысалдармен қуатталған.
Бұл кітап әртүрлі тақырыптарды қамтиды, соның ішінде машиналық оқыту жобаларына арналған scikit-learn және нейрондық желілерді құруға және оқытуға арналған TensorFlow.
Осы кітапты оқығаннан кейін сіз одан әрі тереңірек үңілу үшін жақсырақ дайындаласыз деп ойлаймыз терең білім алу және практикалық мәселелермен айналысады.
Кітапта қарастырылған тақырыптар
- Машиналық оқыту пейзажын, әсіресе нейрондық желілерді қарастырыңыз
- Scikit-Learn көмегімен басынан аяғына дейін машиналық оқыту үлгісін қадағалаңыз.
- Ансамбль әдістері, кездейсоқ ормандар, шешім ағаштары және тірек векторлық машиналар сияқты бірнеше жаттығу үлгілерін қарастырыңыз.
- TensorFlow кітапханасын пайдалану арқылы нейрондық желілерді жасаңыз және оқытыңыз.
- Зерттеу кезінде конволюционды желілерді, қайталанатын желілерді және тереңдетілген оқытуды қарастырыңыз. нейрондық желі дизайн.
- Терең нейрондық желілерді қалай масштабтауға және үйретуге болатынын біліңіз.
7. Хакерлерге арналған машиналық оқыту
Деректерді талдауға қызығушылық танытқан тәжірибелі бағдарламашы үшін Хакерлерге арналған машинаны оқыту кітабы жазылған. Хакерлер - бұл контексте білікті математиктер.
R туралы жақсы түсінетін адам үшін бұл кітап тамаша таңдау болып табылады, себебі оның көпшілігі R тілінде деректерді талдауға негізделген. Кітапта қосымша R кеңейтілген R көмегімен деректерді өңдеу әдісі қарастырылады.
Тиісті оқиғаларды қосу машиналық оқыту алгоритмдерін қолданудың құндылығын көрсетеді Хакерлерге арналған Machine Learning кітабының ең маңызды сату нүктесі болуы мүмкін.
Кітапта оның математикалық теориясына тереңірек бармай, машиналық оқытуды қарапайым және жылдамырақ ету үшін көптеген нақты мысалдар келтірілген.
Кітапта қарастырылған тақырыптар
- Электрондық хаттың спам екенін анықтау үшін оның мазмұнын талдайтын аңғал Байес классификаторын жасаңыз.
- Сызықтық регрессияны пайдалана отырып, ең жақсы 1,000 веб-сайттар үшін беттерді көру санын болжау
- Қарапайым әріптік шифрды бұзу әрекеті арқылы оңтайландыру әдістерін зерттеңіз.
8. Мысалдармен Python Machine Learning
Әртүрлі Machine Learning, Deep Learning және Data Analysis әдістерін түсінуге және жасауға көмектесетін бұл кітап бағдарламалау тілі ретінде тек Python тіліне бағытталған жалғыз кітап болуы мүмкін.
Ол Scikit-Learn сияқты әртүрлі Machine Learning алгоритмдерін енгізуге арналған бірнеше қуатты кітапханаларды қамтиды. Содан кейін Tensor Flow модулі терең білім беруді үйрету үшін пайдаланылады.
Соңында, ол машиналық және терең оқыту арқылы қол жеткізуге болатын деректерді талдаудың көптеген мүмкіндіктерін көрсетеді.
Ол сондай-ақ сіз жасаған модельдің тиімділігін арттыру үшін қолдануға болатын көптеген әдістерді үйретеді.
Кітапта қарастырылған тақырыптар
- Python және Machine Learning тілін үйрену: бастаушыға арналған нұсқаулық
- 2 жаңалықтар тобының деректер жинағын және Naive Bayes спам электрондық поштаны анықтауды тексеру
- SVM пайдалану, жаңалықтар тақырыптарын жіктеу
- Логистикалық регрессияны пайдалана отырып, шерту жылдамдығын болжау
- Акция бағасының ең жоғары стандарттарын болжау үшін регрессия алгоритмдерін пайдалану
9. Python машинасын үйрену
Python Machine Learning кітабы машиналық оқытудың негіздерін, сонымен қатар оның цифрлық домендегі маңыздылығын түсіндіреді. Бұл жаңадан бастаушыларға арналған машинаны үйрену кітабы.
Кітапта қосымша қарастырылған машиналық оқытудың көптеген ішкі өрістері мен қолданбалары. Python бағдарламалау принциптері және тегін және ашық бастапқы бағдарламалау тілін қалай бастау керектігі Python Machine Learning кітабында да қарастырылған.
Машинаны оқыту кітабын аяқтағаннан кейін сіз Python кодтауын қолдана отырып, машинаны оқытудың бірқатар тапсырмаларын тиімді орната аласыз.
Кітапта қарастырылған тақырыптар
- Жасанды интеллект негіздері
- шешім ағашы
- Логистикалық регрессия
- Тереңдетілген нейрондық желілер
- Python бағдарламалау тілінің негіздері
10. Машиналық оқыту: ықтималдық перспективасы
Machine Learning: A Probabilistic Perspective — ностальгиялық түсті графика мен биология, компьютерлік көру, робототехника және мәтінді өңдеу сияқты пәндерден практикалық, нақты мысалдарды қамтитын әзіл-оспақ машиналық оқыту кітабы.
Ол кездейсоқ прозаға және маңызды алгоритмдерге арналған псевдокодқа толы. Machine Learning: Ықтималдық перспектива, аспаздық кітап стилінде ұсынылған және әртүрлі эвристикалық тәсілдерді сипаттайтын басқа машиналық оқыту басылымдарынан айырмашылығы, принципті модельге негізделген тәсілге назар аударады.
Ол анық және түсінікті түрде графикалық көріністерді қолданатын мл үлгілерін анықтайды. Бірыңғай, ықтималдық көзқарасқа негізделген бұл оқулық машиналық оқыту саласына толық және дербес кіріспе береді.
Мазмұны кең және терең, оның ішінде ықтималдық, оңтайландыру және сызықтық алгебра сияқты тақырыптар бойынша іргелі бастапқы материал, сондай-ақ шартты кездейсоқ өрістер, L1 регуляризациясы және терең оқыту сияқты аймақтағы заманауи жетістіктерді талқылау.
Кітап қарапайым, қол жетімді тілде жазылған, негізгі маңызды алгоритмдер үшін псевдокоды бар.
Кітапта қарастырылған тақырыптар
- Ықтималдық
- Терең оқыту
- L1 регуляризациясы
- оңтайландыру
- Мәтінді өңдеу
- Computer Vision қолданбалары
- Робототехника қолданбалары
11. Статистикалық оқыту элементтері
Бұл машиналық оқыту оқулығы өзінің тұжырымдамалық негізі мен алуан түрлілігі үшін далада жиі танылады.
Бұл кітапты нейрондық желілер мен тестілеу әдістері, сондай-ақ машиналық оқытуға қарапайым кіріспе сияқты тақырыптарды тереңірек меңгеруді қажет ететін кез келген адам үшін анықтама ретінде пайдалануға болады.
Кітап оқырманды әр қадамда өз эксперименттері мен зерттеулерін жасауға итермелейді, бұл оны машинаны оқыту қабілетінде немесе жұмысында тиісті жетістіктерге жету үшін қажетті қабілеттер мен қызығушылықты дамыту үшін құнды етеді.
Бұл статистика мамандары және бизнесте немесе ғылымда деректерді өңдеуге қызығушылық танытатын кез келген адам үшін маңызды құрал. Бұл кітапты бастамас бұрын сызықтық алгебраны кем дегенде түсінгеніңізге көз жеткізіңіз.
Кітапта қарастырылған тақырыптар
- Бақыланатын оқыту (болжау) бақылаусыз оқытуға
- Нейрондық желілер
- Қолдау векторлары
- Классификация ағаштары
- Алгоритмдерді күшейту
12. Үлгіні тану және машинада оқыту
Үлгіні тану және машиналық оқыту әлемдерін осы кітапта мұқият зерттеуге болады. Үлгіні танудағы Байес әдісі бастапқыда осы басылымда ұсынылған.
Сонымен қатар, кітап көп айнымалы, деректер туралы ғылым және іргелі сызықтық алгебраны түсінуді қажет ететін күрделі тақырыптарды қарастырады.
Машиналық оқыту және ықтималдық бойынша анықтамалық деректер жиынындағы тенденцияларға негізделген күрделіліктің біртіндеп қиын деңгейлері бар тарауларды ұсынады. Үлгіні тану туралы жалпы кіріспе алдында қарапайым мысалдар келтірілген.
Кітапта нақты шешімдер практикалық болмаған жағдайда жылдам жуықтау жасауға мүмкіндік беретін жуықтап шығару әдістері ұсынылған. Ықтималдық үлестірімдерін сипаттау үшін графикалық модельдерді қолданатын басқа кітаптар жоқ, бірақ ол солай.
Кітапта қарастырылған тақырыптар
- Байес әдістері
- Болжалды шығару алгоритмдері
- Ядроға негізделген жаңа модельдер
- Негізгі ықтималдық теориясына кіріспе
- Үлгіні тану және машиналық оқытуға кіріспе
13. Болжалды деректер талдауынан машиналық оқыту негіздері
Егер сіз машиналық оқытудың негіздерін меңгерген болсаңыз және болжамды деректерді талдауға көшкіңіз келсе, бұл кітап сізге арналған!!! Жаппай деректер жиынынан үлгілерді табу арқылы Machine Learning болжау үлгілерін әзірлеу үшін пайдаланылуы мүмкін.
Бұл кітап ML пайдалануды жүзеге асыруды қарастырады Болжалды деректер талдауы теориялық қағидаларды да, нақты мысалдарды да қамтитын тереңдетілген.
«Болжамдық деректерді талдау үшін машиналық оқыту негіздері» тақырыбы ауызша болғанына қарамастан, бұл кітап болжамды деректерді талдаудың деректерден түсінікке дейінгі және қорытындыға дейінгі саяхатын сипаттайды.
Ол сондай-ақ машиналық оқытудың төрт тәсілін талқылайды: ақпаратқа негізделген оқыту, ұқсастыққа негізделген оқыту, ықтималдыққа негізделген оқыту және қателерге негізделген оқыту, олардың әрқайсысында техникалық емес тұжырымдамалық түсіндірме бар, содан кейін мысалдармен математикалық модельдер мен алгоритмдер.
Кітапта қамтылған тақырыптар
- Ақпаратқа негізделген оқыту
- Ұқсастыққа негізделген оқыту
- Ықтималдылыққа негізделген оқыту
- Қатеге негізделген оқыту
14. Қолданбалы болжамды модельдеу
Қолданбалы болжамды модельдеу деректерді алдын ала өңдеудің, деректерді бөлудің және үлгіні баптау негіздерінің сыни фазаларынан бастап, болжамды модельдеу үдерісін зерттейді.
Содан кейін жұмыс нақты әлемдегі деректер мәселелерін көрсету және шешуге назар аудара отырып, әртүрлі дәстүрлі және соңғы регрессия және жіктеу тәсілдерінің нақты сипаттамаларын ұсынады.
Нұсқаулық модельдеу процесінің барлық аспектілерін бірнеше практикалық, нақты мысалдармен көрсетеді және әр тарауда процестің әрбір кезеңі үшін толық R коды бар.
Бұл көп мақсатты томды болжамдық үлгілерге және бүкіл модельдеу процесіне кіріспе ретінде, тәжірибешілерге арналған анықтамалық нұсқаулық ретінде немесе жоғары деңгейлі бакалавриат немесе магистратура деңгейіндегі болжамды модельдеу курстары үшін мәтін ретінде пайдалануға болады.
Кітапта қарастырылған тақырыптар
- Регрессия техникасы
- Классификация техникасы
- Күрделі ML алгоритмдері
15. Машиналық оқыту: деректерді мағыналы ететін алгоритмдер өнері мен ғылымы
Егер сіз аралық немесе машиналық оқытудың сарапшысы болсаңыз және «негіздерге» оралғыңыз келсе, бұл кітап сізге арналған! Ол Machine Learning-тің орасан күрделілігі мен тереңдігіне толық несие береді, сонымен бірге оның біріктіруші принциптерін ешқашан ұмытпайды (өте жетістік!).
Machine Learning: Алгоритмдердің өнері мен ғылымы күрделіліктің жоғарылауы туралы бірнеше жағдайлық зерттеулерді, сондай-ақ көптеген мысалдар мен суреттерді (қызықты болу үшін!) қамтиды.
Кітап сонымен қатар логикалық, геометриялық және статистикалық модельдердің кең ауқымын, сондай-ақ матрицалық факторизация және ROC талдауы сияқты күрделі және жаңа тақырыптарды қамтиды.
Кітапта қарастырылған тақырыптар
- Машиналық оқыту алгоритмдерін жеңілдетеді
- Логикалық модель
- Геометриялық модель
- Статистикалық модель
- ROC талдауы
16. Деректерді өндіру: машинаны оқытудың практикалық құралдары мен әдістері
Дерекқор жүйелерін, машиналық оқытуды және статистиканы зерттеу тәсілдерін пайдалана отырып, деректерді өндіру әдістері бізге деректердің үлкен көлемдеріндегі үлгілерді табуға мүмкіндік береді.
Егер сізге деректерді өңдеу әдістерін зерттеу қажет болса немесе жалпы машиналық оқытуды үйренуді жоспарласаңыз, «Деректерді өндіру: машинаны үйренудің практикалық құралдары мен әдістері» кітабын алуыңыз керек.
Машиналық оқыту бойынша ең жақсы кітап оның техникалық жағына көбірек көңіл бөледі. Ол машиналық оқытудың техникалық қыр-сырын және деректерді жинау және нәтижелерді бағалау үшін әртүрлі кірістер мен шығыстарды пайдалану стратегияларын тереңірек зерттейді.
Кітапта қарастырылған тақырыптар
- Сызықтық модельдер
- Кластерлеу
- Статистикалық модельдеу
- Өнімділікті болжау
- Мәліметтерді өндіру әдістерін салыстыру
- Инстанцияға негізделген оқыту
- Білімді ұсыну және кластерлер
- Деректерді өңдеудің дәстүрлі және заманауи әдістері
17. Деректерді талдауға арналған Python
Машиналық оқытуда қолданылатын деректерді бағалау мүмкіндігі деректер ғалымы иеленуі керек ең маңызды дағды болып табылады. Дәл болжам жасайтын ML үлгісін жасамас бұрын, жұмысыңыздың көпшілігі деректерді өңдеу, өңдеу, тазалау және бағалауды қамтиды.
Деректерді талдауды орындау үшін Pandas, NumPy, Ipython және т.б. сияқты бағдарламалау тілдерімен таныс болуыңыз керек.
Деректер ғылымында немесе машиналық оқытуда жұмыс істегіңіз келсе, сізде деректерді өңдеу мүмкіндігі болуы керек.
Бұл жағдайда деректерді талдау үшін Python кітабын міндетті түрде оқу керек.
Кітапта қарастырылған тақырыптар
- қажетті Python кітапханалары
- Жетілдірілген пандалар
- Деректерді талдау мысалдары
- Деректерді тазалау және дайындау
- Математикалық және статистикалық әдістер
- Сипаттамалық статистиканы қорытындылау және есептеу
18. Python көмегімен табиғи тілді өңдеу
Машиналық оқыту жүйелерінің негізі табиғи тілді өңдеу болып табылады.
Python көмегімен табиғи тілді өңдеу кітабы сізге NLTK, Python модульдерінің танымал жинағы мен ағылшын тілін және жалпы NLP үшін символдық және статистикалық табиғи тілді өңдеуге арналған құралдарды қалай пайдалану керектігін нұсқайды.
Табиғи тілді Python көмегімен өңдеу кітабы NLP-ті қысқа әрі айқын түрде көрсететін тиімді Python процедураларын ұсынады.
Оқырмандар құрылымданбаған деректермен, мәтіндік-лингвистикалық құрылыммен және басқа NLP бағдарланған элементтермен жұмыс істеуге арналған жақсы аннотацияланған деректер жиынына қол жеткізе алады.
Кітапта қарастырылған тақырыптар
- Адам тілі қалай қызмет етеді?
- Тілдік деректер құрылымдары
- Табиғи тіл құралдары жинағы (NLTK)
- Талдау және семантикалық талдау
- Танымал лингвистикалық мәліметтер қоры
- бастап техникаларды біріктіру жасанды интеллект және лингвистика
19. Ұжымдық интеллект бағдарламалау
Тоби Сегаранның «Бағдарламалау ұжымдық интеллектісі» машиналық оқытуды түсінуді бастау үшін ең үлкен кітаптардың бірі болып саналады, 2007 жылы деректер ғылымы мен машиналық оқыту жетекші кәсіби жолдар ретінде қазіргі жағдайына жеткенге дейін жылдар бұрын жазылған.
Кітапта өз тәжірибесін аудиторияға тарату әдісі ретінде Python қолданылады. Бағдарламалаудың ұжымдық интеллектісі машиналық оқытуға кіріспеден гөрі мл енгізуге арналған нұсқаулық болып табылады.
Кітап қолданбалардан деректерді жинауға арналған тиімді ML алгоритмдерін әзірлеу, веб-сайттардан деректерді алу үшін бағдарламалау және жиналған деректерді экстраполяциялау туралы ақпарат береді.
Әр тарауда талқыланатын алгоритмдерді кеңейтуге және олардың пайдалылығын арттыруға арналған әрекеттер бар.
Кітапта қарастырылған тақырыптар
- Байес сүзгісі
- Қолдау векторлары
- Іздеу жүйесінің алгоритмдері
- Болжам жасау тәсілдері
- Бірлескен сүзгілеу әдістері
- Теріс емес матрицаны көбейткіштерге бөлу
- Мәселелерді шешуге арналған дамып келе жатқан интеллект
- Топтарды немесе үлгілерді анықтау әдістері
20. Deep Learning (бейімделген есептеулер және машиналық оқыту сериясы)
Баршамызға белгілі, терең оқыту – бұл компьютерлерге өткен өнімділік пен деректердің үлкен көлемінен үйренуге мүмкіндік беретін машиналық оқытудың жетілдірілген түрі.
Машиналық оқыту әдістерін пайдалану кезінде сіз терең оқыту принциптерін білуіңіз керек. Терең білім беретін Киелі кітап ретінде қарастырылатын бұл кітап осы жағдайда өте пайдалы болады.
Үш терең оқыту сарапшысы осы кітапта математика және терең генеративті модельдермен толтырылған өте күрделі тақырыптарды қамтиды.
Математикалық және тұжырымдамалық негізді қамтамасыз ете отырып, жұмыс сызықтық алгебра, ықтималдықтар теориясы, ақпарат теориясы, сандық есептеулер және машиналық оқытудағы сәйкес идеяларды талқылайды.
Ол табиғи тілді өңдеу, сөйлеуді тану, компьютерлік көру, онлайн ұсыныстар жүйелері, биоинформатика және бейне ойындар сияқты қолданбаларды зерттейді және сала мамандары пайдаланатын терең оқыту әдістерін сипаттайды, мысалы, терең беру желілері, реттеу және оңтайландыру алгоритмдері, конволюциялық желілер және практикалық әдістеме. .
Кітапта қарастырылған тақырыптар
- Сандық есептеу
- Терең оқуды зерттеу
- Компьютерлік көру техникасы
- Терең беріліс желілері
- Терең үлгілерді оқыту үшін оңтайландыру
- Практикалық әдістеме
- Терең оқуды зерттеу
қорытынды
Машиналық оқытудың 20 үздік кітабы осы тізімде жинақталған, оны өзіңізге ұнайтын бағытта машиналық оқытуды ілгерілету үшін пайдалануға болады.
Сіз осы оқулықтардың түр-түрін оқысаңыз, машиналық оқыту тәжірибесінің берік негізін және аймақта жұмыс істегенде жиі пайдалануға болатын анықтамалық кітапхананы жасай аласыз.
Сіз бір кітапты оқысаңыз да, оқуды жалғастыру, жақсарту және әсер ету үшін шабыт аласыз.
Сіз өзіңіздің машиналық оқыту алгоритмдеріңізді жасауға дайын және сауатты болсаңыз, деректер жобаңыздың сәтті болуы үшін өте маңызды екенін есте сақтаңыз.
пікір қалдыру