05 октября 2017
15 книг по машинному обучению
Когда мы слышим «машинное обучение», то думаем про нейросети и искусственный интеллект. А есть ли что-то еще? Специально для тех, кто хочет копнуть поглубже, прийти к истокам и разобраться, что к чему — наша сегодняшняя подборка. Не пугайтесь, новинки тоже есть.
Skill level: I’m too young to die
В качестве разминочки первая часть подборки будет на русском, что для общего понимания вроде как пойдет (но это не точно). Если вы с первых строк видите, что это бабское чтиво, скролльте до следующего уровня.
Машинное обучение
Авторы:
Хенрик Бринк — специалист по обработке и анализу данных и разработчик программного обеспечения.
Джозеф Ричардс — старший научный сотрудник в области прикладной статистики и предсказательной аналитики.
Марк Феверолф — основатель и президент компании Numinary Data Science, специализирующейся в области управления данными и предсказательной аналитики.
Описание:
Тем, кто только начинает, пригодятся главы с первой по пятую: там описаны процессы подготовки и исследования данных, моделирование и оценка моделей. Дальше практика и еще раз практика (шансы на получение таксистом чаевых, предсказание будущих рецензий на фильмы и еще много интересного). Плюс продвинутые темы: проектирование признаков и оптимизация.
Математические основы машинного обучения и прогнозирования
Автор:
Владимир Вячеславович Вьюгин — доктор физико-математических наук.
Описание:
Тем, кто хочет познакомиться с основами современной теории машинного обучения и теории игр с предсказаниями, лучше начать с этой книги. В первой части рассказывается об основах статистической теории машинного обучения. Во второй и третьей частях рассматриваются задачи в теоретико-игровой и сравнительной постановках: предсказания с использованием экспертных стратегий и игры с предсказаниями.
Верховный алгоритм
Автор:
Педро Домингос — профессор Вашингтонского университета, ведущий эксперт по машинному обучению и искусственному интеллекту.
Описание:
Автор знакомит читателей с пятью основными школами машинного обучения и показывает, как они используют идеи из нейробиологии, эволюционной биологии, физики и статистики, чтобы создавать алгоритмы, помогающие людям. Попутно профессор Домингос рассказывает об идее универсального самообучающегося алгоритма и о том, как он изменит жизнь человека, бизнес, науку и все общество.
The Elements of Statistical Learning. Data Mining, Inference and Prediction
Авторы:
Т. Хэсти, Р. Тибширани, Дж. Фридман
Описание:
Эта книга представляет собой попытку объединить многие важные новые идеи в обучении и объяснить их в статистической структуре. Авторы подчеркивают методы и их концептуальные основы, а не их теоретические свойства. Эта книга понравится не только статистикам, но и исследователям, практикам в самых разных областях.
Machine Learning, Neural and Statistical Classification
Авторы:
D. Michie, D.J. Spiegelhalter, C.C. Taylor
Описание:
Эта книга — современный обзор различных подходов к машинному обучению. Сравнивая эффективность направлений по разным показателям, авторы делают выводы об их применении к реальным проблемам, а также выделяют три основных подхода к исследованиям: статистический, машинное обучение и нейронная сеть.
Introduction to machine learning
Автор:
Nils J. Nilsson
Описание:
Эта книга не является практическим пособием или сборником теоретических доказательств. Это — промежуточное звено между теорией и практикой. Основное внимание уделяется важным идеям машинного обучения. В книге рассмотрены важные темы машинного обучения с 1996 года. Цель книги — подготовить читателя к дальнейшему освоению этой темы.
Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных
Автор:
Петер Флах
Описание:
Один из самых интересных учебников по машинному обучению. Автор рассказывает о методах построения моделей и алгоритмов. С первых страниц можно погрузиться в машинное обучение в действии без ненужных технических деталей. С каждой главой примеры становятся все сложнее и сложнее. В конце каждой части приводятся ссылки на дополнительную литературу с авторскими комментариями. Начав с основ, автор знакомит читателя с полезными фактами и подробно описывает методы машинного обучения.
Обучение с подкреплением
Автор:
Ричард С. Саттон, Эндрю Г. Барто
Описание:
Книга не о машинном обучение, а об одном из способов изучения. Обучение с подкреплением — метод, в ходе которого человек обучается, взаимодействуя с некоторой средой. Ричард Саттон и Эндрю Барто представляют отчет о ключевых идеях и алгоритмах такого обучения. Единственный необходимый навык для читателя — знакомство с элементарными понятиями вероятности.
Bayesian Reasoning and Machine Learning
Автор:
David Barber
Описание:
Эта книга для более профессионального уровня. Она рассчитана на выпускников или студентов магистратуры. Информация последовательно распределена по ходу всей книги от легкого к сложному.
Skill level: Nightmare
Подборка выше была для розовощеких барышень, у которых на уме одни фарфоровые куколки, статные гусары с кручеными усами да витание в эмпиреях — именно так сказал наш технический директор. После чего сделал настоящую подборку, она на английском (и если это вас смущает, то нажмите вот сюда).
Neural Network Design
Авторы:
Martin T Hagan, Howard B Demuth, Mark H Beale, Orlando De Jesús
Описание:
В книге вы найдете ясный и подробный обзор основных типов архитектуры нейросетей, узнаете все о методах и правилах их обучения, а также о применении на практике.
Deep Learning
Авторы:
Ian Goodfellow, Yoshua Bengio, Aaron Courville
Описание:
Книга рассказывает о глубоком обучении — о том, как иерархия понятий позволяет искусственному интеллекту изучать сложные концепции, строя их из более простых. Илон Маск назвал Deep Learning единственной всеобъемлющей книгой по этому вопросу.
Neural Networks: A Systematic Introduction
Авторы:
Raul Rojas, J. Feldman
Описание:
Все законы и модели, объединенные в общую теорию нейронных сетей, под одной обложкой — вот что представляет собой эта книга. В каждой главе куча примеров, иллюстраций и библиография.
Pattern Recognition and Machine Learning (Information Science and Statistics)
Автор:
Christopher M. Bishop
Описание:
Первый учебник по распознаванию образов, в основе которого лежит Байесовский подход. Предварительных знаний о распознавании образов не требуется, зато пригодится представление о многомерном анализе и основы линейной алгебры.
Make Your Own Neural Network
Автор:
Tariq Rashid
Описание:
Очень годное и в то же время очень простое для понимание руководство по нейросетям. Здесь все буквально разжевали, а потом разложили по полочкам. К концу книги вы научитесь программировать на Python и сможете создать собственную нейросеть.
Mahout in Action
Автор:
Sean Owen, Robin Anil, Robin Anil, Ellen Friedman
Описание:
Ну вот, мы в конце подборки, а это ее альфа и омега — ведь терпение должно вознаграждаться. Mahout — это java-библиотека, и в книге есть куча примеров, как ее можно использовать для решения реальных задач.
Качайте, заказывайте, изучайте и применяйте. Лайкайте еще эту запись, делитесь и всё такое.
Мы отправляем полезные материалы, которые помогут вам в работе
