Топ-10 книг по машинному обучению: лучшие источники для освоения технологий будущего

«Введение в машинное обучение с помощью Python». Андреас Мюллер, Сара Гвидо

Это практическое руководство для специалистов по обработке данных. К изучению этой книги можно приступать с самыми начальными знаниями о машинном обучении. Здесь будет дана теория, подкрепленная практикой на каждом этапе.

Однако у читателя должен быть опыт программирования на Python, даже самый минимальный или просто теоретическое знание этого языка.

Во время изучения этой книги вы поэтапно научитесь создавать проекты машинного обучения с помощью языка Python и библиотек matplotlib, scikit-learn и NumPy.

В конце книги приведен список онлайн-ресурсов, которые будут полезны в изучении и советы куда двигаться дальше в обучении и практике.

Изучаем Spark. Молниеносный анализ данных

Описание книги: Объем обрабатываемых данных во всех областях человеческой деятельности продолжает расти быстрыми темпами. Существуют ли эффективные приемы работы с ним? В этой книге рассказывается об Apache Spark, открытой системе кластерных вычислений, которая позволяет быстро создавать высокопроизводительные программы анализа данных. C помощью Spark вы сможете манипулировать огромными объемами данных посредством простого API на Python, Java и Scala. Написанная разработчиками Spark, эта книга поможет исследователям данных и программистам быстро включиться в работу. Она рассказывает, как организовать параллельное выполнение заданий всего несколькими строчками кода, и охватывает примеры от простых пакетных приложений до программ, осуществляющих обработку потоковых данных и использующих алгоритмы машинного обучения.

Глубокое обучение

Описание книги: Глубокое обучение – это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала. Описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей и др. Рассматриваются такие приложения, как обработка естественных языков, распознавание речи, компьютерное зрение, онлайновые рекомендательные системы, биоинформатика и видеоигры. Издание предназначено студентам вузов и аспирантам, а также опытным программистам, которые хотели бы применить глубокое обучение в составе своих продуктов или платформ.

Искусственный интеллект и универсальное мышление

Описание книги: Книга содержит доступное введение в обширную и сложную область искусственного интеллекта

Существенное внимание уделено основополагающим идеям, необходимым для глубокого понимания методов поиска в пространстве решений, представления знаний, машинного обучения и самоорганизации, составляющих основу искусственного интеллекта. В то же время книга представляет собой рассуждение о том, каких ключевых свойств не хватает интеллектуальным системам, чтобы стать по-настоящему разумными, для чего автор нередко обращается к истокам искусственного интеллекта в области психологии, лингвистики, нейрофизиологии, математики, философии

Книга предназначена для широкого круга читателей, интересующихся вопросами мышления, но также может оказаться полезной и специалистам в области искусственного интеллекта.

Самообучающиеся системы

Описание книги: Книга посвящена одной из самых практически применимых, активных и быстроразвивающихся областей современной информатики, объединяющей множество методов из различных областей математики и не только математики – машинному обучению. В книге обсуждаются основы многих базовых аппаратов машинного обучения: деревья принятия решений, искусственные нейронные сети, генетические алгоритмы, байесовские классификаторы, алгоритмы кластеризации и обучение с подкреплением. Изложение ведется увлекательным языком, книгу интересно читать, и она доступна даже не очень подготовленному читателю. Однако при этом сохраняется математическая строгость, а наиболее сложные части изложения заинтересуют и профессионалов. Книга снабжена обширной аннотированной библиографией. Читать книгу смогут даже старшеклассники, хотя она будет представлять несомненный профессиональный интерес и для студентов всех курсов, изучающих математику и информатику, а также для специалистов и аспирантов, ведущих исследования в соответствующих областях. В этом отношении значительная часть материала монографии сможет сыграть роль углубленного учебного пособия.

Глубокое обучение на Python

Описание книги: Глубокое обучение – Deep learning – это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но всё не так страшно, если о глубоком обучении рассказывает Франсуа Шолле, который создал Keras – самую мощную библиотеку для работы с нейронными сетями. Познакомьтесь с глубоким обучением на практических примерах из самых разнообразных областей. Книга делится на две части: в первой даны теоретические основы, вторая посвящена решению конкретных задач. Это позволит вам не только разобраться в основах DL, но и научиться использовать новые возможности на практике. Обучение – это путешествие длиной в жизнь, особенно в области искусственного интеллекта, где неизвестностей гораздо больше, чем определенности.

Like this post? Please share to your friends: