Përmbajtje[Fshih][Shfaqje]
Nga rruga, ne të gjithë jemi të vetëdijshëm se sa shpejt është zhvilluar teknologjia e mësimit të makinerive në vitet e fundit. Mësimi i makinerisë është një disiplinë që ka tërhequr interesin e disa korporatave, akademikëve dhe sektorëve.
Për shkak të kësaj, unë do të diskutoj disa nga librat më të mëdhenj mbi mësimin e makinerive që një inxhinier ose fillestar duhet të lexojë sot. Duhet të keni rënë dakord të gjithë se leximi i librave nuk është i njëjtë me përdorimin e intelektit.
Leximi i librave i ndihmon mendjet tona të zbulojnë shumë gjëra të reja. Në fund të fundit, leximi është të mësuarit. Një etiketë e vetë-mësuesit është shumë argëtuese për t'u pasur. Tekstet më të mëdha shkollore të disponueshme në këtë fushë do të theksohen në këtë artikull.
Tekstet e mëposhtme ofrojnë një hyrje të provuar dhe të vërtetë në fushën më të gjerë të AI dhe shpesh përdoren në kurse universitare dhe rekomandohen nga akademikë dhe inxhinierë.
Edhe nëse keni një ton Mësimi makinë përvojë, marrja e një prej këtyre teksteve shkollore mund të jetë një mënyrë e mrekullueshme për t'u përmirësuar. Në fund të fundit, të mësuarit është një proces i vazhdueshëm.
1. Mësimi i Makinerisë për Fillestarët Absolut
Ju dëshironi të studioni mësimin e makinerive, por nuk dini si ta bëni atë. Ka disa koncepte thelbësore teorike dhe statistikore që duhet të kuptoni përpara se të filloni udhëtimin tuaj epik në mësimin e makinerive. Dhe ky libër plotëson këtë nevojë!
Ajo ofron fillestarët e plotë me një nivel të lartë, të zbatueshëm hyrje në mësimin e makinerive. Libri Mësimi i Makinerisë për Fillestarët Absolute është një nga zgjedhjet më të mira për këdo që kërkon shpjegimin më të thjeshtuar të mësimit të makinerive dhe ideve të lidhura me to.
Algoritmet e shumta ml të librit shoqërohen me shpjegime koncize dhe shembuj grafikë për t'i ndihmuar lexuesit të kuptojnë gjithçka që diskutohet.
Temat e trajtuara në libër
- Bazat e rrjetet nervore
- Analiza e regresionit
- Inxhinieri e veçorive
- clustering
- Vërtetimi i kryqëzuar
- Teknikat e pastrimit të të dhënave
- Pemët e Vendimit
- Modelimi i ansamblit
2. Mësimi i Makinerisë për Dummies
Mësimi i makinerive mund të jetë një ide konfuze për njerëzit e rregullt. Megjithatë, është e paçmuar për ata prej nesh që janë të ditur.
Pa ML, është e vështirë të menaxhosh çështje si rezultatet e kërkimit në internet, reklamat në kohë reale në faqet e internetit, automatizimi, apo edhe filtrimi i spamit (Po!).
Si rezultat, ky libër ju ofron një hyrje të drejtpërdrejtë që do t'ju ndihmojë të mësoni më shumë rreth sferës enigmatike të mësimit të makinerive. Me ndihmën e Machine Learning For Dummies, ju do të mësoni se si të "flisni" gjuhë si Python dhe R, të cilat do t'ju mundësojnë të trajnoni kompjuterët për të bërë njohjen e modeleve dhe analizën e të dhënave.
Për më tepër, do të mësoni se si të përdorni Python's Anaconda dhe R Studio për t'u zhvilluar në R.
Temat e trajtuara në libër
- Përgatitja e të dhënave
- qasjet për mësimin e makinerive
- Cikli i mësimit të makinës
- Mësimi i mbikëqyrur dhe i pambikëqyrur
- Trajnimi i sistemeve të mësimit të makinerive
- Lidhja e metodave të mësimit të makinerive me rezultatet
3. Libri i mësimit të makinës me njëqind faqe
A është e mundur të mbulohen të gjitha aspektet e mësimit të makinerive në më pak se 100 faqe? Libri i mësimit të makinës me njëqind faqe i Andriy Burkov është një përpjekje për të bërë të njëjtën gjë.
Libri i mësimit të makinerisë është i shkruar mirë dhe mbështetet nga udhëheqës të njohur të mendimit, duke përfshirë Sujeet Varakhedi, Shef i Inxhinierisë në eBay dhe Peter Norvig, Drejtor i Kërkimit në Google.
Është libri më i mirë për një fillestar në mësimin e makinerive. Pas leximit të plotë të librit, do të jeni në gjendje të ndërtoni dhe kuptoni sisteme të sofistikuara të AI, të keni sukses në një intervistë për mësimin e makinerive dhe madje të hapni kompaninë tuaj të bazuar në ML.
Sidoqoftë, libri nuk është menduar për fillestarët e plotë në mësimin e makinerive. Shikoni diku nëse po kërkoni diçka më themelore.
Temat e trajtuara në libër
- Anatomia e një algoritmi i të mësuarit
- Mësimi i mbikëqyrur dhe mësimi i pambikëqyrur
- Mësimi i përforcimit
- Algoritmet themelore të mësimit të makinës
- Pasqyrë e rrjeteve nervore dhe të mësuarit të thellë
4. Kuptimi i Mësimit të Makinerisë
Një hyrje sistematike në mësimin e makinerive është dhënë në librin Kuptimi i të mësuarit të makinerisë. Libri thellohet në idetë themelore, paradigmat llogaritëse dhe derivimet matematikore të mësimit të makinerive.
Një gamë e gjerë e lëndëve të mësimit të makinës paraqitet në një mënyrë të thjeshtë nga mësimi i makinës. Bazat teorike të mësimit të makinerive përshkruhen në libër, së bashku me derivimet matematikore që i kthejnë këto themele në algoritme të dobishme.
Libri paraqet bazat përpara se të mbulojë një gamë të gjerë temash thelbësore që nuk janë mbuluar nga tekstet e mëparshme shkollore.
Të përfshira në këtë janë një diskutim i koncepteve të konveksitetit dhe stabilitetit dhe kompleksitetit llogaritës të të mësuarit, si dhe paradigmave të rëndësishme algoritmike si stokastike zbritje gradient, rrjetet nervore dhe të mësuarit e strukturuar të prodhimit, si dhe idetë teorike të reja si qasja PAC-Bayes dhe kufijtë e bazuar në kompresim. projektuar për studentë fillestarë ose studentë të avancuar.
Temat e trajtuara në libër
- Kompleksiteti llogaritës i mësimit të makinerive
- Algoritmet ML
- Rrjetet nervore
- Qasja PAC-Bayes
- Zbritja e gradientit stokastik
- Mësimi i strukturuar i rezultateve
5. Hyrje në mësimin e makinerisë me Python
A jeni një shkencëtar i të dhënave i aftë për Python që dëshiron të studiojë mësimin e makinerive? Libri më i mirë me të cilin mund të filloni aventurën tuaj të të mësuarit të makinerive është Hyrje në mësimin e makinerisë me Python: Një udhëzues për shkencëtarët e të dhënave.
Me ndihmën e librit Introduction to Machine Learning with Python: A Guide for Data Scientists, do të zbuloni një sërë teknikash të dobishme për krijimin e programeve të personalizuara të mësimit të makinerive.
Ju do të mbuloni çdo hap vendimtar të përfshirë në përdorimin e Python dhe paketës Scikit-Learn për të ndërtuar aplikacione të besueshme të mësimit të makinerive.
Fitimi i një zotërimi të fortë të bibliotekave matplotlib dhe NumPy do ta bëjë shumë më të lehtë mësimin.
Temat e trajtuara në libër
- Teknika moderne për ndryshimin e parametrave dhe vlerësimin e modelit
- Aplikacionet dhe idetë bazë të mësimit të makinerive
- teknikat e automatizuara të të mësuarit
- Teknika për manipulimin e të dhënave të tekstit
- Modeli i tubacioneve të kapsulimit të zinxhirit dhe rrjedhës së punës
- Paraqitja e të dhënave pas përpunimit
6. Mësimi praktik i makinerisë me Sci-kit Learn, Keras & Tensorflow
Ndër botimet më të plota mbi shkencën e të dhënave dhe mësimin e makinerive, ai është i mbushur plot me njohuri. Këshillohet që ekspertët dhe fillestarët të studiojnë më shumë rreth kësaj teme.
Megjithëse ky libër përmban vetëm një sasi të vogël teorie, ai mbështetet nga shembuj të fortë, duke i dhënë një vend në listë.
Ky libër përfshin një sërë temash, duke përfshirë "sikit-learn" për projektet e mësimit të makinerive dhe TensorFlow për krijimin dhe trajnimin e rrjeteve nervore.
Pas leximit të këtij libri, ne mendojmë se do të jeni më të pajisur për të thelluar më tej të mësuarit e thellë dhe të merren me problemet praktike.
Temat e trajtuara në libër
- Ekzaminoni peizazhin e mësimit të makinerisë, veçanërisht rrjetet nervore
- Gjurmo një projekt mostër për mësimin e makinerive nga fillimi deri në përfundim duke përdorur Scikit-Learn.
- Ekzaminoni disa modele trajnimi, të tilla si teknikat e ansamblit, pyjet e rastësishme, pemët e vendimit dhe makinat vektoriale mbështetëse.
- Krijoni dhe trajnoni rrjete nervore duke përdorur bibliotekën TensorFlow.
- Merrni parasysh rrjetet konvolucionale, rrjetat e përsëritura dhe mësimin e thellë përforcues gjatë eksplorimit rrjet nervor harton.
- Mësoni se si të shkallëzoni dhe trajnoni rrjetet e thella nervore.
7. Mësimi i Makinerisë për Hakerët
Për programuesin me përvojë të interesuar në analizën e të dhënave, është shkruar libri Mësimi i Makinerisë për Hakerët. Hakerët janë matematikanë të aftë në këtë kontekst.
Për dikë me një kuptim solid të R-së, ky libër është një zgjedhje e shkëlqyeshme sepse pjesa më e madhe e tij është e përqendruar në analizën e të dhënave në R. Për më tepër, në libër trajtohet se si të manipulohen të dhënat duke përdorur R të avancuar.
Përfshirja e historive përkatëse të rasteve thekson vlerën e përdorimit të algoritmeve të mësimit të makinerive mund të jetë pika më e rëndësishme e shitjes së librit Learning Machine for Hackers.
Libri jep shumë shembuj të botës reale për ta bërë mësimin e makinerisë më të thjeshtë dhe më të shpejtë në vend që të thellohet në teorinë e tij matematikore.
Temat e trajtuara në libër
- Krijo një klasifikues naiv Bayesian që analizon thjesht përmbajtjen e një emaili për të përcaktuar nëse është e padëshiruar.
- Parashikimi i numrit të shikimeve të faqeve për 1,000 faqet e internetit më të mira duke përdorur regresionin linear
- Hetoni metodat e optimizimit duke u përpjekur të thyeni një shifër të drejtpërdrejtë të shkronjave.
8. Mësimi i Makinerisë Python me shembuj
Ky libër, i cili ju ndihmon të kuptoni dhe krijoni metoda të ndryshme të të mësuarit të makinerisë, të të mësuarit të thellë dhe të analizës së të dhënave, ka të ngjarë të jetë i vetmi që fokusohet vetëm në Python si gjuhë programimi.
Ai mbulon disa biblioteka të fuqishme për zbatimin e algoritmeve të ndryshme të Mësimit të Makinerisë, të tilla si Scikit-Learn. Më pas, moduli Tensor Flow përdoret për t'ju mësuar rreth të mësuarit të thellë.
Së fundi, ai demonstron mundësitë e shumta të analizës së të dhënave që mund të arrihen duke përdorur makineri dhe mësim të thellë.
Gjithashtu ju mëson teknikat e shumta që mund të përdoren për të rritur efektivitetin e modelit që krijoni.
Temat e trajtuara në libër
- Mësimi i Python dhe Mësimi i Makinerisë: Një Udhëzues për Fillestar
- Ekzaminimi i grupit të të dhënave të 2 grupeve të lajmeve dhe zbulimi i postës elektronike të bezdisshme Naive Bayes
- Duke përdorur SVM-të, klasifikoni temat e lajmeve, parashikimi i klikimeve duke përdorur algoritme të bazuara në pemë
- Parashikimi i shkallës së klikimeve duke përdorur regresionin logjistik
- Përdorimi i algoritmeve të regresionit për të parashikuar standardet më të larta të çmimeve të aksioneve
9. Python Machine Learning
Libri Python Machine Learning shpjegon bazat e mësimit të makinerive si dhe rëndësinë e tij në domenin dixhital. Është një libër për mësimin e makinerive për fillestarët.
Për më tepër në libër janë përfshirë shumë nënfusha dhe aplikacione të mësimit të makinerive. Parimet e programimit Python dhe si të filloni me gjuhën e programimit të lirë dhe me burim të hapur mbulohen gjithashtu në librin Python Machine Learning.
Pas përfundimit të librit të mësimit të makinerive, do të jeni në gjendje të krijoni në mënyrë efektive një numër punësh të mësimit të makinerive duke përdorur kodimin Python.
Temat e trajtuara në libër
- Bazat e inteligjencës artificiale
- një pemë vendimi
- Regresioni logjistik
- Rrjetet nervore të thelluara
- Bazat e gjuhës së programimit Python
10. Mësimi i Makinerisë: Një Perspektivë Probabiliste
Mësimi i makinerisë: Një perspektivë probabiliste është një libër humoristik për mësimin e makinerive që përmban grafika nostalgjike me ngjyra dhe shembuj praktikë të botës reale nga disiplina të tilla si biologjia, vizioni kompjuterik, robotika dhe përpunimi i tekstit.
Është plot me proza të rastësishme dhe pseudokod për algoritme thelbësore. Mësimi i makinerisë: Një perspektivë probabiliste, në kontrast me botimet e tjera të mësimit të makinës që paraqiten në stilin e një libri gatimi dhe përshkruajnë qasje të ndryshme heuristike, fokusohet në një qasje parimore të bazuar në modele.
Ai specifikon modelet ml duke përdorur paraqitje grafike në një mënyrë të qartë dhe të kuptueshme. Bazuar në një qasje të unifikuar, probabiliste, ky libër shkollor ofron një hyrje të plotë dhe të pavarur në fushën e mësimit të makinerive.
Përmbajtja është e gjerë dhe e thellë, duke përfshirë material themelor mbi tema të tilla si probabiliteti, optimizimi dhe algjebra lineare, si dhe një diskutim i përparimeve bashkëkohore në këtë fushë si fushat e rastësishme të kushtëzuara, rregullimi i L1 dhe mësimi i thellë.
Libri është shkruar në një gjuhë të rastësishme, të arritshme, që përmban pseudokod për algoritmet kryesore të rëndësishme.
Temat e trajtuara në libër
- probabilitet
- Mësim i thellë
- Rregullimi i L1
- Optimization
- Përpunimi i tekstit
- Aplikacionet Computer Vision
- Aplikacionet e robotikës
11. Elementet e të mësuarit statistikor
Për kuadrin e tij konceptual dhe një shumëllojshmëri të gjerë lëndësh, ky tekst mësimor për mësimin e makinerive shpesh njihet në terren.
Ky libër mund të përdoret si referencë për këdo që ka nevojë të mësojë tema si rrjetet nervore dhe teknikat e testimit, si dhe një hyrje e thjeshtë në mësimin e makinerive.
Libri e shtyn në mënyrë agresive lexuesin të bëjë eksperimentet dhe hetimet e veta në çdo hap, duke e bërë të vlefshëm për kultivimin e aftësive dhe kuriozitetit të nevojshëm për të bërë përparime përkatëse në një kapacitet ose punë të mësimit të makinës.
Është një mjet i rëndësishëm për statisticienët dhe këdo që është i interesuar në nxjerrjen e të dhënave në biznes ose shkencë. Sigurohuni që të kuptoni së paku algjebrën lineare përpara se të filloni këtë libër.
Temat e trajtuara në libër
- Të nxënit e mbikëqyrur (parashikimi) në mësimin e pambikëqyrur
- Rrjetet nervore
- Mbështetni makinat vektoriale
- Pemët e klasifikimit
- Përmirësimi i algoritmeve
12. Njohja e modelit dhe mësimi i makinerisë
Botët e njohjes së modeleve dhe të mësimit të makinerive mund të eksplorohen tërësisht në këtë libër. Qasja Bayesian për njohjen e modelit u prezantua fillimisht në këtë botim.
Për më tepër, libri shqyrton tema sfiduese që kanë nevojë për një kuptim pune të multivariateve, shkencës së të dhënave dhe algjebrës lineare themelore.
Mbi mësimin e makinerive dhe probabilitetin, libri i referencës ofron kapituj me nivele gjithnjë e më të vështira kompleksiteti bazuar në tendencat në grupet e të dhënave. Janë dhënë shembuj të thjeshtë përpara një hyrjeje të përgjithshme në njohjen e modelit.
Libri ofron teknika për konkluzione të përafërta, të cilat lejojnë përafrime të shpejta në rastet kur zgjidhjet e sakta janë jopraktike. Nuk ka libra të tjerë që përdorin modele grafike për të përshkruar shpërndarjet e probabilitetit, por po.
Temat e trajtuara në libër
- Metodat Bayesian
- Algoritme të përafërta të përfundimit
- Modele të reja të bazuara në kernel
- Hyrje në teorinë bazë të probabilitetit
- Hyrje në njohjen e modeleve dhe mësimin e makinerive
13. Bazat e të mësuarit të makinerisë nga analizat parashikuese të të dhënave
Nëse i keni zotëruar bazat e mësimit të makinerive dhe dëshironi të kaloni në analitikën parashikuese të të dhënave, ky është libri për ju!!! Duke gjetur modele nga grupe të dhënash masive, Learning Machine mund të përdoret për të zhvilluar modele parashikimi.
Ky libër shqyrton zbatimin e përdorimit të ML Analiza parashikuese e të dhënave në thellësi, duke përfshirë si parimet teorike ashtu edhe shembujt aktualë.
Përkundër faktit se titulli "Bazat e të mësuarit të makinerive për analitikën parashikuese të të dhënave" është i gëzuar, ky libër do të përshkruajë udhëtimin e Analitikës së të Dhënave Parashikuese nga të dhënat në njohuri deri në një përfundim.
Ai gjithashtu diskuton katër qasje të mësimit të makinerive: të mësuarit e bazuar në informacion, të mësuarit e bazuar në ngjashmëri, të mësuarit të bazuar në probabilitet dhe të mësuarit të bazuar në gabime, secila me një shpjegim konceptual jo-teknik të ndjekur nga modele dhe algoritme matematikore me shembuj.
Temat e trajtuara në libër
- Të mësuarit e bazuar në informacion
- Të mësuarit e bazuar në ngjashmëri
- Të mësuarit e bazuar në probabilitet
- Mësimi i bazuar në gabime
14. Modelimi parashikues i aplikuar
Modelimi parashikues i aplikuar ekzaminon të gjithë procesin e modelimit parashikues, duke filluar me fazat kritike të parapërpunimit të të dhënave, ndarjes së të dhënave dhe themeleve të akordimit të modeleve.
Puna më pas paraqet përshkrime të qarta të një sërë qasjesh konvencionale dhe të fundit të regresionit dhe klasifikimit, me fokus në shfaqjen dhe zgjidhjen e sfidave të të dhënave në botën reale.
Udhëzuesi demonstron të gjitha aspektet e procesit të modelimit me disa shembuj praktik, të botës reale, dhe çdo kapitull përfshin kodin gjithëpërfshirës R për secilën fazë të procesit.
Ky vëllim me shumë qëllime mund të përdoret si një hyrje në modelet parashikuese dhe të gjithë procesin e modelimit, si një udhëzues referimi për praktikuesit, ose si një tekst për kurset e modelimit parashikues të nivelit të avancuar universitar ose pasuniversitar.
Temat e trajtuara në libër
- Regresioni teknik
- Teknika e klasifikimit
- Algoritme komplekse ML
15. Mësimi i makinerisë: Arti dhe Shkenca e Algoritmeve që kanë kuptim të të dhënave
Nëse jeni një profesionist i ndërmjetëm ose ekspert në mësimin e makinerive dhe dëshironi të ktheheni "në bazat", ky libër është për ju! Ai i jep kredi të plotë kompleksitetit dhe thellësisë së madhe të Mësimit të Makinerisë, duke mos i humbur kurrë nga sytë parimet e tij unifikuese (mjaft arritje!).
Mësimi i Makinerisë: Arti dhe Shkenca e Algoritmeve përfshin disa raste studimore të kompleksitetit në rritje, si dhe shembuj dhe fotografi të shumta (për t'i mbajtur gjërat interesante!).
Libri gjithashtu mbulon një gamë të gjerë modelesh logjike, gjeometrike dhe statistikore, si dhe tema të ndërlikuara dhe të reja si faktorizimi i matricës dhe analiza ROC.
Temat e trajtuara në libër
- Thjeshtron algoritmet e mësimit të makinerive
- Modeli logjik
- Modeli gjeometrik
- Modeli statistikor
- Analiza ROC
16. Minimi i të dhënave: Mjetet dhe teknikat praktike të mësimit të makinerive
Duke përdorur qasje nga studimi i sistemeve të bazës së të dhënave, mësimi i makinerive dhe statistikat, teknikat e nxjerrjes së të dhënave na mundësojnë të gjejmë modele në sasi të mëdha të dhënash.
Ju duhet të merrni librin Minimi i të dhënave: Mjetet dhe teknikat praktike të mësimit të makinerisë nëse keni nevojë të studioni teknikat e nxjerrjes së të dhënave në veçanti ose planifikoni të mësoni mësimin e makinerive në përgjithësi.
Libri më i mirë për mësimin e makinerive përqendrohet më shumë në anën e tij teknike. Ai thellohet më tej në ndërlikimet teknike të mësimit të makinerive dhe strategjitë për mbledhjen e të dhënave dhe përdorimin e hyrjeve dhe daljeve të ndryshme për të gjykuar rezultatet.
Temat e trajtuara në libër
- Modele lineare
- clustering
- Modelimi statistikor
- Parashikimi i performancës
- Krahasimi i metodave të nxjerrjes së të dhënave
- Të mësuarit e bazuar në shembull
- Përfaqësimi i njohurive dhe grupimet
- Teknikat tradicionale dhe moderne të nxjerrjes së të dhënave
17. Python për analizën e të dhënave
Aftësia për të vlerësuar të dhënat e përdorura në mësimin e makinerive është aftësia më e rëndësishme që duhet të zotërojë një shkencëtar i të dhënave. Përpara se të zhvilloni një model ML që prodhon një parashikim të saktë, pjesa më e madhe e punës suaj do të përfshijë trajtimin, përpunimin, pastrimin dhe vlerësimin e të dhënave.
Ju duhet të njiheni me gjuhë programimi si Pandas, NumPy, Ipython dhe të tjera në mënyrë që të ekzekutoni analizën e të dhënave.
Nëse dëshironi të punoni në shkencën e të dhënave ose mësimin e makinerive, duhet të keni aftësinë për të manipuluar të dhënat.
Duhet të lexoni patjetër librin Python për Analizën e të Dhënave në këtë rast.
Temat e trajtuara në libër
- thelbësor Bibliotekat Python
- Panda të avancuara
- Shembuj të analizës së të dhënave
- Pastrimi dhe përgatitja e të dhënave
- Metodat matematikore dhe statistikore
- Përmbledhja dhe llogaritja e statistikave përshkruese
18. Përpunimi i gjuhës natyrore me Python
Themeli i sistemeve të mësimit të makinerive është përpunimi i gjuhës natyrore.
Libri Përpunimi i gjuhës natyrore me Python ju udhëzon se si të përdorni NLTK, një koleksion i pëlqyer i moduleve dhe mjeteve të Python për përpunimin simbolik dhe statistikor të gjuhës natyrore për anglishten dhe NLP në përgjithësi.
Libri i Përpunimit të Gjuhës Natyrore me Python ofron rutina efektive Python që demonstrojnë NLP në një mënyrë koncize dhe të dukshme.
Lexuesit kanë akses në grupe të dhënash të shënuara mirë për trajtimin e të dhënave të pastrukturuara, strukturës gjuhësore të tekstit dhe elementëve të tjerë të fokusuar në NLP.
Temat e trajtuara në libër
- Si funksionon gjuha e njeriut?
- Strukturat e të dhënave gjuhësore
- Paketa e mjeteve të gjuhës natyrore (NLTK)
- Analiza e analizës dhe semantike
- Baza e të dhënave të njohura gjuhësore
- Integrimi i teknikave nga inteligjencës artificiale dhe gjuhësisë
19. Programimi i Inteligjencës Kolektive
Inteligjenca Kolektive e Programimit nga Toby Segaran, i cili konsiderohet si një nga librat më të mëdhenj për të kuptuar mësimin e makinerive, u shkrua në vitin 2007, vite përpara se shkenca e të dhënave dhe mësimi i makinerive të arrinin pozicionin e tyre aktual si rrugë kryesore profesionale.
Libri përdor Python si metodë për shpërndarjen e ekspertizës së tij tek audienca e tij. Inteligjenca Kolektive e Programimit është më shumë një manual për zbatimin e ml sesa një hyrje në mësimin e makinerive.
Libri ofron informacion mbi zhvillimin e algoritmeve efektive ML për mbledhjen e të dhënave nga aplikacionet, programimin për marrjen e të dhënave nga faqet e internetit dhe ekstrapolimin e të dhënave të mbledhura.
Çdo kapitull përfshin aktivitete për zgjerimin e algoritmeve të diskutuara dhe rritjen e dobisë së tyre.
Temat e trajtuara në libër
- Filtrimi Bayesian
- Mbështetni makinat vektoriale
- Algoritmet e motorëve të kërkimit
- Mënyrat për të bërë parashikime
- Teknikat e filtrimit bashkëpunues
- Faktorizimi i matricës jo-negative
- Inteligjenca në zhvillim për zgjidhjen e problemeve
- Metodat për zbulimin e grupeve ose modeleve
20. Mësimi i thellë (Seria e llogaritjes përshtatëse dhe mësimit të makinerisë)
Siç jemi të gjithë të vetëdijshëm, mësimi i thellë është një lloj i përmirësuar i mësimit të makinerive që u mundëson kompjuterëve të mësojnë nga performanca e kaluar dhe një sasi e madhe të dhënash.
Ndërsa përdorni teknikat e mësimit të makinerive, ju duhet gjithashtu të njiheni me parimet e të mësuarit të thellë. Ky libër, i cili konsiderohet si Bibla e të mësuarit të thellë, do të jetë shumë i dobishëm në këtë rrethanë.
Tre ekspertë të të mësuarit të thellë mbulojnë tema shumë të ndërlikuara që janë të mbushura me matematikë dhe modele të thella gjeneruese në këtë libër.
Duke ofruar një bazë matematikore dhe konceptuale, puna diskuton idetë përkatëse në algjebrën lineare, teorinë e probabilitetit, teorinë e informacionit, llogaritjen numerike dhe mësimin e makinerive.
Ai shqyrton aplikacione si përpunimi i gjuhës natyrore, njohja e të folurit, vizioni kompjuterik, sistemet e rekomandimeve në internet, bioinformatika dhe videolojërat dhe përshkruan teknikat e të mësuarit të thellë të përdorura nga praktikuesit e industrisë, të tilla si rrjetet e thellë përpara, rregullimi dhe algoritmet e optimizimit, rrjetet konvolucionale dhe metodologjia praktike. .
Temat e trajtuara në libër
- Llogaritja Numerike
- Hulumtimi i të mësuarit të thellë
- Teknikat e vizionit kompjuterik
- Rrjetet e thella të furnizimit
- Optimizimi për trajnimin e modeleve të thella
- Metodologjia praktike
- Hulumtimi i të mësuarit të thellë
Përfundim
20 librat më të mirë të mësimit të makinerive janë përmbledhur në atë listë, të cilat mund t'i përdorni për të përparuar mësimin e makinerive në drejtimin që ju pëlqen.
Ju do të jeni në gjendje të zhvilloni një bazë solide në ekspertizën e mësimit të makinerive dhe një bibliotekë referimi që mund ta përdorni shpesh gjatë punës në atë zonë, nëse lexoni një shumëllojshmëri të këtyre teksteve shkollore.
Do të frymëzoheni të vazhdoni të mësoni, të përmirësoheni dhe të keni një efekt edhe nëse lexoni vetëm një libër.
Kur jeni të përgatitur dhe kompetent për të zhvilluar algoritmet tuaja të mësimit të makinerive, mbani në mend se të dhënat janë thelbësore për suksesin e projektit tuaj.
Lini një Përgjigju