Tuomet nenuostabu, kad tiek daug žmonių svarsto galimybę patekti į patrauklų kompiuterinių algoritmų pasaulį, kuris patobulėja automatiškai. Jei esate tarp jų arba norite tiesiog nepastebėti ažiotažo ir suprasti, kas iš tikrųjų yra mašininis mokymasis - 20 geriausių mašininio mokymosi vadovėlių pasirinkimas gali padėti jums pasiekti tikslus.
Dirbtinis intelektas: šiuolaikinis požiūris (4-asis leidimas), autoriai Peteris Norvigas ir Stuartas J. Raselas
Yra: „Amazon“
Paskelbta: 2020 m
Puslapių skaičius: 1136
Nuspręsti, nuo kurio mašininio mokymosi vadovėlio pradėti, nebuvo sunku, nes dirbtinis intelektas: šiuolaikinį požiūrį studentai rekomenduoja viso pasaulio universitetams. Dabar jo 4tūkst leidimas, knyga atlieka nuostabų darbą pradedantiesiems pristatant dirbtinio intelekto sritį (mašininis mokymasis yra dirbtinio intelekto pogrupis), be to, ji apima daugybę susijusių tyrimų temų, pateikdama naudingų nuorodų tolesniems tyrimams. Anot jo autorių, šiam dideliam vadovėliui parengti turėtų prireikti maždaug dviejų semestrų, todėl nesitikėkite, kad jis bus greitai perskaitytas.
Christopherio M modelio atpažinimas ir mašininis mokymasis. Vyskupas
Galimas: „Amazon“
Paskelbta: 2011 m
Puslapių skaičius: 738
Galite pagalvoti apie Christopherio M modelio atpažinimą ir mašininį mokymąsi. Vyskupas kaip švelnus (bent jau kalbant apie mašininio mokymosi vadovėlius) įvadinis kursas į mašininio mokymosi teoriją. Vadove yra daugiau nei 400 pratimų, kurie yra suskirstyti pagal jų sunkumus, o jo svetainėje pateikiama daug daugiau papildomos medžiagos. Tik nesitikėkite, kad žinosite, kaip pritaikyti teoriją, kurią moko vadovėlis, kai pasieksite paskutinį puslapį - tam yra ir kitų knygų.
Gilus mokymasis, Goodfellow ir kt. al
Galimas: „Amazon“
Paskelbta: 2016 m
Puslapių skaičius: 800
Jei paprašytumėte Elono Musko, kad jis jums rekomenduotų knygą apie mašininį mokymąsi, tai jis ir rekomenduotų. Kartą jis sako, kad „Gilus mokymasis“ yra viena išsami knyga šia tema. Knyga apima viską, pradedant matematiniais ir konceptualiais pagrindais, baigiant pramonės šakų gilaus mokymosi metodais ir naujausiomis tyrimų perspektyvomis. Mes rekomenduojame jums įsigyti elektroninę versiją, nes „Deep Learning“ yra liūdnai pagarsėjęs dėl savo prastos spausdinimo kokybės.
Statistinio mokymosi elementai: duomenų gavyba, išvados ir nuspėjimas, Hastie, Tibshirani ir Friedmano antrasis leidimas
Galimas: „Amazon“
Paskelbta: 2016 m
Puslapių skaičius: 767
Neleiskite, kad šio vadovėlio pavadinimas jus įbaugintų. Jei norite iš tikrųjų suprasti mašininį mokymąsi ir pritaikyti jį sunkioms problemoms spręsti, turite įprasti skaityti vadovėlius, kurie neatrodo labai prieinami. Nors vadovėlyje laikomasi ryžtingo statistinio požiūrio, jums nereikia būti statistiku, kad jį skaitytumėte, nes jame akcentuojamos ne matematikos, o sąvokos.
Praktinis mašininis mokymasis naudojant „Scikit-Learn“, „Keras“ ir „TensorFlow“: sumanių sistemų kūrimo koncepcijos, įrankiai ir metodai (2)nd Leidimas) autorius Aurélien Géron
Galimas: „Amazon“
Paskelbta: 2019 m
Puslapių skaičius: 856
„Scikit-Learn“, „Keras“ ir „TensorFlow“ yra trys populiarios mašininio mokymosi bibliotekos, o šiame vadovėlyje daugiausia dėmesio skiriama jų panaudojimui kuriant mašininio mokymosi programas, kurios išspręs aktualias problemas. Dėl šioms bibliotekoms būdingo pradedantiesiems pobūdžio, norint perskaityti šį vadovėlį, reikalingos minimalios teorinės žinios, todėl tai puikiai tinka tiems, kurie norėtų intuityviai suprasti mašininį mokymąsi sukurdami ką nors naudingo.
Mašininio mokymosi supratimas: nuo teorijos iki algoritmų pateikė Shai Shalev-Shwartz ir Shai Ben-David
Yra: „Amazon“
Paskelbta: 2014 m
Puslapių skaičius: 410
Daugelis vadovėlių apie mašininį mokymąsi sunkiai pasiekiami, nes jų autoriai nesugeba įsitraukti į kažkieno naujo, bet ne šio, batus. Suprasti mašininį mokymąsi pradedama aiškiai įvedant statistinį mašininį mokymąsi. Tada jis susieja teorines sąvokas su praktiniais algoritmais, nebūdamas nei per daug žodingas, nei per daug neaiškus. Nepaisant to, jei norite atnaujinti savo žinias ar leistis į visą gyvenimą trunkančią kelionę pramonėje, nedvejodami paimkite šį vadovėlį.
Mašininis mokymasis: tikimybinė Kevino P perspektyva. Murphy
Yra: „Amazon“
Paskelbta: 2012 m
Puslapių skaičius: 1104
Kaip siūloma šios knygos pavadinime, ši mašininio mokymosi įžanga remiasi tikimybiniais modeliais, kad aptiktų duomenų modelius ir panaudotų juos prognozuojant būsimus duomenis. Knyga parašyta maloniu, neformaliu stiliumi, joje puikiai panaudojamos iliustracijos ir praktiniai pavyzdžiai. Joje aprašyti modeliai buvo įgyvendinti naudojant „Tikimybinio modeliavimo įrankių rinkinį“, kuris yra MATLAB programinės įrangos paketas, kurį galite atsisiųsti iš interneto. Deja, įrankių rinkinys nebepalaikomas, nes naujojoje šios knygos versijoje vietoj to bus naudojamas „Python“.
Informacijos teorija, išvada ir mokymosi algoritmai, autorius Davidas J. C. „MacKay“
Yra: „Amazon“
Paskelbta: 2003 m
Puslapių skaičius: 640
Taip, šis vadovėlis buvo išleistas beveik prieš 20 metų, tačiau dėl to jis šiandien nėra toks aktualus. Galų gale, mašininis mokymasis nėra toli gražu ne toks jaunas, kaip rodo neseniai kilęs ažiotažas. Kas daro informacijos teoriją, išvadą ir mokymosi algoritmus David J. C. „MacKay“ toks nesenstantis yra jo daugiadisciplininis požiūris, užtikrinantis platų ryšį tarp skirtingų sričių. Atskirai jis nėra labai naudingas, nes neturi pakankamai praktinių pavyzdžių, tačiau puikiai veikia kaip įvadinis vadovėlis.
Statistikos mokymosi įvadas: Garethas M. Jamesas, Trevoras Hastie, Daniela Witten ir Robertas Tibshirani
Yra: „Amazon“
Paskelbta: 2013 m
Puslapių skaičius: 440
Galite galvoti apie „Statistinio mokymosi įvadą“ kaip labiau prieinamą alternatyvą „Statistinio mokymosi elementams“, kuriai reikalingos pažangios matematinės statistikos žinios. Norėdami baigti šį vadovėlį, turėtumėte puikiai susitvarkyti turėdami matematikos ar statistikos bakalauro laipsnį. 440 puslapių autoriai pateikia statistinio mokymosi srities apžvalgą ir pateikia svarbias modeliavimo ir prognozavimo technikas kartu su savo taikomosiomis programomis.
Šimto puslapių mašininio mokymosi knyga, parašyta Andriy Burkov
Yra: „Amazon“
Paskelbta: 2019 m
Puslapių skaičius: 160
Nors dauguma šiame straipsnyje išvardytų vadovėlių yra arčiau tūkstančio puslapių, ši plona knyga, prasidėjusi kaip iššūkis „LinkedIn“, daug ką paaiškina tik šimte ar daugiau puslapių. Viena iš priežasčių, kodėl „Šimto puslapių mašininio mokymosi knyga“ tapo akimirksniu, yra jo aiški kalba, kuri yra sveikintinas nukrypimas nuo griežtų akademinių darbų. Rekomenduojame šią knygą programinės įrangos inžinieriams, kurie mano, kad galėtų panaudoti turimas mašininio mokymosi priemones, tačiau nežino, nuo ko pradėti. Be to, knyga gali mėgautis kiekvienas, besidomintis mašininiu mokymusi, nes joje pabrėžiamos sąvokos, o ne kodas.
Įvadas į mašininį mokymąsi su „Python“: vadovas duomenų mokslininkams, Andreas C. Müller ir Sarah Guido
Yra: „Amazon“
Paskelbta: 2016 m
Puslapių skaičius: 400
Jei laisvai kalbate „Python“ ir norite pradėti dirbti su mašinomis, kurdami praktinius realių problemų sprendimus, tai jums tinkama knyga. Ne, neišmoksite per daug teorijos, tačiau visos pagrindinės sąvokos yra gerai aptariamos, be to, yra daugybė kitų knygų. Norėdami kuo geriau išnaudoti mašininio mokymosi su „Python“ įvadą, turėtumėte bent šiek tiek susipažinti su „NumPy“ ir „matplotlib“ bibliotekomis.
Taikomasis nuspėjamasis modeliavimas, kurį sukūrė Maxas Kuhnas ir Kjellas Johnsonas
Yra: „Amazon“
Paskelbta: 1-asis leidimas. 2013, Corr. 2-asis spausdinimas 2018 m
Puslapių skaičius: 613
Šiame vadovėlyje yra įvadas į nuspėjamuosius modelius, kurie naudoja duomenis ir statistiką, kad būtų galima numatyti rezultatus naudojant duomenų modelius. Jis prasideda nuo duomenų apdorojimo ir tęsiasi šiuolaikinėmis regresijos bei klasifikavimo metodikomis, visada pabrėžiant realias duomenų problemas. Pateikto R kodo dėka galite lengvai įdiegti visus knygoje paaiškintus modelius, kurie tiksliai parodo, ką turite padaryti, kad galėtumėte rasti tinkamą sprendimą.
François Chollet gilus mokymasis su „Python“
Yra: „Amazon“
Paskelbta: 2017 m
Puslapių skaičius: 384
Galbūt jau esate susipažinęs su šio mašininio mokymosi vadovėlio autoriumi, nes jis yra atsakingas už atvirojo kodo neuronų tinklo biblioteką „Keras“, be abejo, populiariausią mašininio mokymosi biblioteką, parašytą „Python“. Atsižvelgiant į šią informaciją ir vadovėlio pavadinimą, tai neturėtų nustebinti, kai sužinojote, kad tai geriausias turimas „Keras“ avarijos kursas. Praktiniai metodai yra teikiami pirmenybei aukščiau teorijos, tačiau tai tiesiog reiškia, kad sudėtingas mašininio mokymosi užduotis galite išspręsti vos per kelias savaites.
Mašinų mokymasis Tomo M. Mičelis
Yra: „Amazon“
Paskelbta: 1997 m
Puslapių skaičius: 414
Išleista 1997 m., Šioje knygoje pateikiami visų tipų mašininio mokymosi algoritmai ta kalba, kurią turėtų suprasti visi CS absolventai. Jei esate tokio tipo žmogus, kuriam reikia gerai suprasti tam tikrą temą, kol jausitės patogiai nardydamas giliai, jums patiks, kaip pateikiama šios knygos informacija. Tik nesitikėkite, kad mašina mokosi Tom M. Mitchellas yra praktinis vadovas, nes ne tai turėtų būti ši knyga.
Mašininio mokymosi valdomų programų kūrimas: nuo idėjos prie produkto sukūrė Emmanuelis Ameisenas
Yra: „Amazon“
Paskelbta: 2020 m
Puslapių skaičius: 260
Vienas dalykas yra suprasti mašininio mokymosi modelius, o visai kas kita - žinoti, kaip juos pritaikyti gamyboje. Ši gana plona Emmanuelio Ameiseno knyga paaiškina tik tai, kad galite sužinoti kiekvieną proceso žingsnį - nuo pradinės idėjos iki įdiegto produkto. Mašinų mokymosi valdomų programų kūrimas gali būti rekomenduojamas pradedantiems duomenų mokslininkams ir ML inžinieriams, kurie įsisavino teoriją, tačiau dar nepritaikė jos pramonėje.
Mokymasis apie sustiprinimą: Richardo S. įvadas (2-asis leidimas). Suttonas, Andrew G. Barto
Yra: „Amazon“
Paskelbta: 2018 m
Puslapių skaičius: 552
Sustiprinantis mokymasis yra mašininio mokymosi sritis, susijusi su mašininio mokymosi modelių mokymu, kad būtų galima atlikti veiksmus sudėtingoje, neapibrėžtoje aplinkoje, kad maksimaliai padidintume visą gautą atlygį. Jei jums tai atrodo įdomu, nedvejodami įsigykite šią knygą, nes ji plačiai laikoma šios temos Biblija. Antrasis leidimas apima daug svarbių struktūrinių ir turinio pakeitimų, todėl gaukite, jei įmanoma.
Mokymasis iš duomenų - Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin.
Yra: „Amazon“
Paskelbta: 2012 m
Puslapių skaičius: 213
Mokymasis iš duomenų yra trumpas, bet gana išsamus įvadas į mašininį mokymąsi ir jų praktinius pritaikymus finansų, komercijos, mokslo ir inžinerijos srityse. Knyga paremta daugiau nei dešimtmetį trukusia mokomąja medžiaga, kurią autoriai parengė pasirinkdami pagrindines temas, kurias turėtų suprasti visi, besidomintys šia tema. Tai puiku pradedantiesiems, kurie neturi daug laiko mokytis mašininio mokymosi teorijos, ypač jei skaitote kartu su Yaserio paskaitų ciklu „YouTube“.
Neuroniniai tinklai ir gilus mokymasis: Charu C vadovėlis. Aggarwal
Yra: „Amazon“
Paskelbta: 2018 m
Puslapių skaičius: 497
Neuroniniai tinklai yra vienas iš mašininio mokymosi būdų, ir šis vadovėlis gali padėti suprasti jų teoriją. Kaip ir mašininis mokymasis apskritai, ši knyga yra matematiškai intensyvi, todėl nesitikėkite, kad per daug nusileisite, jei matematika yra surūdijusi. Be to, autorius puikiai dirba paaiškindamas matematiką pagal visus pateiktus pavyzdžius ir skaitytoją apžvelgdamas įvairius sudėtingus scenarijus.
Mašinų mokymas absoliučiai pradedantiesiems: paprastas įvadas į anglų kalbą (2nd Leidimas) autorius Oliveris Theobaldas
Yra: „Amazon“
Paskelbta: 2017 m
Puslapių skaičius: 157
Jei jus domina mašininis mokymasis, bet nebūtinai jaukiai skaitote ilgus šios temos vadovėlius, galbūt norėsite šios knygos, tinkamos pradedantiesiems, kurioje praktiškai ir aukšto lygio įvadas į mašinų kalbą naudojant paprastą anglų kalbą. Šios knygos pabaigoje jūs žinosite, kaip nuspėti namų vertes, naudojant savo pirmąjį mašininio mokymosi modelį, sukurtą „Python“.
Generatyvus gilus mokymasis: mokyti mašinų tapyti, rašyti, kurti ir groti Davidas Fosteris
Yra: „Amazon“
Paskelbta: 2019 m
Puslapių skaičius: 330
Daug buvo parašyta ir pasakyta apie generatyvinius prieštaravimo tinklus (GAN), vieną iš karščiausių temų mašininio mokymosi srityje šiandien. Jei norite suprasti, kaip jie ir kiti generatyvūs gilaus mokymosi modeliai veikia po gaubtu, ši Davido Fosterio knyga yra puikus atspirties taškas, jei turite patirties užkoduojant „Python“.