Phenquestions
Není tedy žádným překvapením, že tolik lidí uvažuje o vstupu do fascinujícího světa počítačových algoritmů, které se automaticky zlepšují na základě zkušeností. Pokud jste mezi nimi nebo se chcete jen podívat za humbuk a pochopit, o čem strojové učení opravdu je - náš výběr 20 nejlepších učebnic strojového učení vám může pomoci dosáhnout vašich cílů.
Artificial Intelligence: A Modern Approach (4th Edition) od Petera Norviga a Stuarta J. Russell
K dispozici: na Amazonu
Publikováno: 2020
Počet stránek: 1136
Rozhodnutí, s jakou učebnicí strojového učení začít, nebylo obtížné, protože umělá inteligence: moderní přístup studentům doporučují univerzity po celém světě. Nyní v jeho 4th vydání, kniha dělá skvělou práci při představování oblasti umělé inteligence (strojové učení je podmnožinou AI) pro začátečníky a zahrnuje také širokou škálu souvisejících výzkumných témat a poskytuje užitečné reference pro další studium. Podle jejích autorů by tato velká učebnice měla zabrat asi dva semestry, takže neočekávejte, že to bude rychlé čtení.
Rozpoznávání vzorů a strojové učení od Christophera M. Biskup
K dispozici: na Amazonu
Publikováno: 2011
Počet stránek: 738
Můžete si vzpomenout na rozpoznávání vzorů a strojové učení od Christophera M. Bishop jako jemný (alespoň pokud jde o učebnice strojového učení) úvodní kurz k teorii strojového učení. Učebnice obsahuje více než 400 cvičení, které jsou odstupňovány podle obtížnosti, a na webových stránkách je k dispozici mnohem více dalšího materiálu. Jen neočekávejte, že budete vědět, jak aplikovat teorii, kterou učebnice učí, když se dostanete na její poslední stránku - k tomu existují další knihy.
Hluboké učení Goodfellow et. al
K dispozici: na Amazonu
Publikováno: 2016
Počet stránek: 800
Pokud byste chtěli požádat Elona Muska, aby vám doporučil knihu o strojovém učení, je to ta, kterou by doporučil. Jednou říká, že Deep Learning je jedna úplná kniha o tomto tématu. Kniha pokrývá vše od matematického a koncepčního pozadí až po špičkové techniky hlubokého učení v oboru a nejnovější perspektivy výzkumu. Doporučujeme vám získat elektronickou verzi, protože Deep Learning je nechvalně známý svou špatnou kvalitou tisku.
Prvky statistického učení: dolování dat, odvozování a predikce, druhé vydání, Hastie, Tibshirani a Friedman
K dispozici: na Amazonu
Publikováno: 2016
Počet stránek: 767
Nenechte se zastrašit názvem této učebnice. Pokud chcete strojovému učení skutečně porozumět a aplikovat ho na řešení obtížných problémů, musíte si zvyknout na čtení učebnic, které se vám nezdají příliš přístupné. I když učebnice zaujímá rozhodně statistický přístup, k jejím čtení nemusíte být statistikem, protože zdůrazňuje spíše pojmy než matematiku.
Hands-On Machine Learning s nástroji Scikit-Learn, Keras a TensorFlow: Koncepty, nástroje a techniky pro vytváření inteligentních systémů (2nd Edition) od Aurélien Géron
K dispozici: na Amazonu
Publikováno: 2019
Počet stránek: 856
Scikit-Learn, Keras a TensorFlow jsou tři oblíbené knihovny strojového učení a tato učebnice se zaměřuje na to, jak je lze použít k vytváření programů strojového učení, které řeší skutečné problémy. Díky povaze těchto knihoven, která je vstřícná pro začátečníky, jsou pro čtení této učebnice vyžadovány minimální základní teoretické znalosti, což je skvělé pro ty, kteří by chtěli získat intuitivní pochopení strojového učení vytvořením něčeho užitečného.
Porozumění strojovému učení: Od teorie k algoritmům od Shai Shalev-Shwartze a Shai Ben-Davida
K dispozici: na Amazonu
Publikováno: 2014
Počet stránek: 410
Mnoho učebnic o strojovém učení je obtížné projít, protože jejich autoři se nedokážou vžít do kůže někoho nového v oboru, ale ne tohoto. Porozumění strojovému učení začíná jasným úvodem do statistického strojového učení. Poté spojuje teoretické koncepty s praktickými algoritmy, aniž by byl ani příliš rozvláčný, ani příliš vágní. Bez ohledu na to, zda si chcete osvěžit své znalosti nebo se vydat na celoživotní cestu v oboru, neváhejte a vezměte si tuto učebnici.
Machine Learning: A Probabilistic Perspective od Kevina P. Murphy
K dispozici: na Amazonu
Publikováno: 2012
Počet stránek: 1104
Jak naznačuje název této knihy, tento úvod do strojového učení se opírá o pravděpodobnostní modely pro detekci vzorů v datech a jejich použití k vytváření předpovědí o budoucích datech. Kniha je napsána příjemným neformálním stylem a skvěle využívá ilustrace a praktické příklady. Modely, které popisuje, byly implementovány pomocí Probabilistic Modeling Toolkit, což je softwarový balíček MATLAB, který si můžete stáhnout z internetu. Sada nástrojů bohužel již není podporována, protože nová verze této knihy bude místo toho používat Python.
Informační teorie, odvození a výukové algoritmy David J. C. MacKay
K dispozici: na Amazonu
Publikováno: 2003
Počet stránek: 640
Ano, tato učebnice byla vydána téměř před 20 lety, ale díky tomu není dnes méně relevantní. Koneckonců, strojové učení není zdaleka tak mladé, jak by mohl naznačovat nedávný humbuk kolem něj. Co vytváří informační teorii, odvození a výukové algoritmy Davida J. C. MacKay je tak nadčasový díky svému multidisciplinárnímu přístupu, který poskytuje dostatečné propojení mezi různými obory. Samotný není příliš užitečný, protože nemá dostatek praktických příkladů, ale funguje skvěle jako úvodní učebnice.
Úvod do statistického učení: S aplikacemi v R Gareth M. James, Trevor Hastie, Daniela Witten a Robert Tibshirani
K dispozici: na Amazonu
Publikováno: 2013
Počet stránek: 440
Úvod do statistického učení si můžete představit jako přístupnější alternativu k Prvkům statistického učení, které vyžaduje pokročilé znalosti matematické statistiky. Chcete-li dokončit tuto učebnici, měli byste být naprosto v pořádku s bakalářským titulem z matematiky nebo statistiky. Na jeho 440 stránkách autoři poskytují přehled v oblasti statistického učení a prezentují důležité techniky modelování a predikce spolu s jejich aplikacemi.
Stostránková kniha o strojovém učení od Andriye Burkova
K dispozici: na Amazonu
Publikováno: 2019
Počet stránek: 160
Zatímco většina učebnic uvedených v tomto článku má blíže tisíc stránek, tato útlá kniha, která začala jako výzva na LinkedIn, vysvětluje hodně na pouhých stovce stránek. Jedním z důvodů, proč se kniha se stovkami stránek o strojovém učení stala okamžitým hitem, je její prostý jazyk, který je vítaným odklonem od přísných akademických prací. Tuto knihu doporučujeme softwarovým technikům, kteří se domnívají, že by mohli využít dostupné nástroje pro strojové učení, ale neví, kde začít. Knihu si tedy může užít každý, kdo má zájem o strojové učení, protože zdůrazňuje koncepty nad kódem.
Introduction to Machine Learning with Python: A Guide for Data Scientists by Andreas C. Müller a Sarah Guido
K dispozici: na Amazonu
Publikováno: 2016
Počet stránek: 400
Pokud ovládáte Python plynule a chtěli byste začít se strojovým učením vytvářením praktických řešení skutečných problémů, je to ta správná kniha pro vás. Ne, příliš mnoho teorie se nenaučíte, ale všechny základní pojmy jsou pokryty dobře a existuje spousta dalších knih, které pokrývají zbytek. Abyste mohli úvod do strojového učení s Pythonem využít na maximum, měli byste mít alespoň určitou znalost knihoven NumPy a matplotlib.
Aplikované prediktivní modelování Maxe Kuhna a Kjella Johnsona
K dispozici: na Amazonu
Publikováno: 1. vyd. 2013, Corr. 2. tisk 2018
Počet stránek: 613
Tato učebnice poskytuje úvod do prediktivních modelů, které pomocí dat a statistik předpovídají výsledky pomocí datových modelů. Začíná zpracováním dat a pokračuje moderními regresními a klasifikačními technikami, vždy s důrazem na skutečné problémy s daty. Můžete snadno implementovat všechny modely vysvětlené v knize díky poskytnutému R kódu, který ukazuje přesně to, co musíte udělat, abyste skončili s fungujícím řešením.
Hluboké učení s Pythonem od Françoise Cholleta
K dispozici: na Amazonu
Publikováno: 2017
Počet stránek: 384
S autorem této učebnice strojového učení už možná víte, protože je zodpovědný za knihovnu neuronových sítí s otevřeným zdrojovým kódem nazvanou Keras, pravděpodobně nejoblíbenější knihovnu strojového učení napsanou v Pythonu. Vzhledem k těmto informacím a názvu učebnice by vás nemělo překvapit, když se dozvíte, že je to nejlepší dostupný havarijní kurz Keras. Praktické techniky mají přednost před teorií, ale to znamená, že můžete složité úkoly strojového učení vyřešit za několik týdnů.
Strojové učení od Toma M. Mitchell
K dispozici: na Amazonu
Publikováno: 1997
Počet stránek: 414
Tato kniha, publikovaná v roce 1997, představuje všechny typy algoritmů strojového učení v jazyce, kterému by měli být schopni porozumět absolventi CS. Pokud jste typ člověka, který potřebuje mít široké znalosti o určitém tématu, než se budete cítit pohodlně, ponoříte se hluboko do něj, budete rádi, jak jsou informace v této knize prezentovány. Jen neočekávejte Machine Learning od Toma M. Mitchell bude praktickým průvodcem, protože to není to, čím by tato kniha měla být.
Aplikace založené na strojovém učení: Přechod od nápadu k produktu Emmanuel Ameisen
K dispozici: na Amazonu
Publikováno: 2020
Počet stránek: 260
Jedna věc je porozumět modelům strojového učení a něco úplně jiného je vědět, jak je přivést do výroby. Tato relativně štíhlá kniha od Emmanuela Ameisena vysvětluje právě to, které vás provede každým krokem procesu, od počátečního nápadu až po nasazený produkt. Aplikaci založenou na strojovém učení lze doporučit začínajícím datovým vědcům a technikům ML, kteří tuto teorii zvládli, ale dosud ji v oboru nepoužili.
Reinforcement Learning: An Introduction (2. vydání) Richarda S. Sutton, Andrew G. Barto
K dispozici: na Amazonu
Publikováno: 2018
Počet stránek: 552
Posílení učení je oblast strojového učení zabývající se trénováním modelů strojového učení, které umožňuje provádět akce ve složitém, nejistém prostředí a maximalizovat celkovou výši obdržené odměny. Pokud vás to zní zajímavě, neváhejte si tuto knihu koupit, protože je obecně považována za Bibli tohoto předmětu. Druhé vydání obsahuje mnoho důležitých strukturálních a obsahových změn, takže si je, pokud je to možné.
Učení se z dat od společnosti Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin.
K dispozici: na Amazonu
Publikováno: 2012
Počet stránek: 213
Učení se z dat je krátký, ale relativně úplný úvod do strojového učení a jeho praktických aplikací ve financích, obchodu, vědě a strojírenství. Kniha je založena na více než deseti letech učebních materiálů, které autoři destilovali na výběr klíčových témat, kterým by měl každý, kdo se o předmět zajímá, rozumět. Je to skvělé pro začátečníky, kteří nemají moc času studovat teorii strojového učení, zvláště pokud si je přečtou společně s Yaserovou přednáškovou sérií na YouTube.
Neuronové sítě a hluboké učení: učebnice Charu C. Aggarwal
K dispozici: na Amazonu
Publikováno: 2018
Počet stránek: 497
Neuronové sítě jsou jedním ze způsobů strojového učení a tato učebnice vám pomůže porozumět teorii, která je za nimi. Stejně jako strojové učení obecně, i tato kniha je matematicky intenzivní, takže neočekávejte, že se dostanete příliš daleko, pokud je vaše matematika rezavá. To znamená, že autor dělá skvělou práci, když vysvětluje matematiku za všemi uvedenými příklady a vede čtenáře různými složitými scénáři.
Machine Learning For Absolute Beginners: A Plain English Introduction (2nd Edition) od Olivera Theobalda
K dispozici: na Amazonu
Publikováno: 2017
Počet stránek: 157
Pokud vás zajímá strojové učení, ale nemusíte se cítit pohodlně při čtení dlouhých učebnic o tomto předmětu, můžete upřednostnit tuto knihu vhodnou pro začátečníky, která poskytuje praktický a na vysoké úrovni úvod do strojového jazyka pomocí prosté angličtiny. Na konci této knihy budete vědět, jak předpovědět hodnoty domu pomocí vašeho prvního modelu strojového učení vytvořeného v Pythonu.
Generativní hluboké učení: Učí stroje malovat, psát, psát a hrát David Foster
K dispozici: na Amazonu
Publikováno: 2019
Počet stránek: 330
O generativních kontroverzních sítích (GAN), jednom z nejžhavějších témat v oblasti strojového učení v dnešní době, toho bylo napsáno a řečeno hodně. Pokud chcete pochopit, jak oni a další generativní modely hlubokého učení fungují pod kapotou, je tato kniha Davida Fostera skvělým výchozím bodem, pokud máte zkušenosti s programováním v Pythonu.
