Избранные книги по машинному обучению: советы и рекомендации для успешного погружения в тему

С.Николенко и др. “Глубокое обучение. Погружение в мир нейронных сетей”

Перед вами – первая книга о глубоком обучении, написанная на русском языке. Глубокие модели оказались ключом, который подходит ко всем замкам сразу: новые архитектуры и алгоритмы обучения, а также увеличившиеся вычислительные мощности и появившиеся огромные наборы данных привели к революционным прорывам в компьютерном зрении, распознавании речи, обработке естественного языка и многих других типично «человеческих» задачах машинного обучения.

Эти захватывающие идеи, вся история и основные компоненты революции глубокого обучения, а также самые современные достижения этой области доступно и интересно изложены в книге. Максимум объяснений, минимум кода, серьезный материал о машинном обучении и увлекательное изложение – в этой уникальной работе замечательных российских ученых и интеллектуалов.

Последние новости сегодня

  • Противоречивые изменения климата: снижение потепления в будущем ценой значительного ущерба в настоящем

    1 день

  • Доллар продолжает падать из-за снижения доходности казначейских облигаций и роста ставок Федерального резерва

    1 день

  • Первый полет на 100% экологичном топливе из Лондона в Нью-Йорк

    1 день

  • Хакерская группировка LockBit заявила о кибератаке на национальную аэрокосмическую лабораторию Индии

    1 день

  • Amazon представила Q – ИИ, который выступает прямым конкурентом ChatGPT

    1 день

  • Atomico сообщает о спаде инвестиций в европейские технологические стартапы в 2023 году

    1 день

  • Samsung продолжает совершенствовать домашний комфорт с помощью инновационных технологий

    1 день

  • Как скандал в OpenAI повлияет на использование искусственного интеллекта в банках

    2 дня

Искусственный интеллект: современный подход Питера Норвига и Стюарта Рассела.

Этот учебник представляет собой всеобъемлющее введение в теоретическую и практическую сторону искусственного интеллекта. Он обычно используется в качестве сопутствующего учебника для курсов бакалавриата или магистратуры.

Он охватывает широкий спектр тем, включая машинное обучение, глубокое обучение, робототехнику, обработку естественного языка и вероятностное программирование.

Он огромен по объему, вмещая десятки тем на более чем 1100 страницах.

Если вы думаете о том, чтобы найти курс, который хорошо сочетается с этой книгой, вы можете проверить Курс CS188 Калифорнийского университета в Беркли.

Разминка в проектном формате (ML и нейронные сети) с целью прочувствовать контекст

  1. Создание приложений машинного обучения: от идеи к продукту | Амейзен Эммануэль
  2. Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности
  3. Теоретический минимум по Big Data. Всё что нужно знать о больших данных | Су Кеннет, Анналин Ын
  4. Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем , 2-е издание | Орельен Жерон

Амейзен Эммануэль — работает инженером по машинному обучению в Stripe. До этого возвглял отдел AI в Data Insights, где курировал более 150 проектов по машинному обучению.

Орельен Жерон – консультант по машинному обучению. Бывший сотрудник Google, он руководил командой классификации видеороликов YouTube с 2013 по 2016 год. С 2002 по 2012 год он также был основателем и руководителем технического отдела в компании Wifirst, ведущего поставщика услуг беспроводного доступа к Интернету во Франции, а в 2001 году – основателем и руководителем технического отдела в фирме Polyconseil, которая сейчас управляет сервисом совместного пользования электромобилями Autolib’.

Тьюториалы и практические руководства

В мире машинного обучения и искусственного интеллекта уделяется большое внимание практическим навыкам и умению применять полученные знания на практике. В этом разделе мы собрали для вас некоторые из лучших тьюториалов и руководств, которые помогут вам овладеть основами и расширить ваш набор навыков

1. Deep Learning Specialization от Andrew Ng

Этот онлайн-курс, разработанный известным специалистом в области машинного обучения — Андрю Нг, является идеальным выбором для начинающих, которые хотят изучить глубокое обучение. Курс состоит из пяти частей, каждая из которых покрывает разные аспекты этой темы. По окончании курса вы будете обладать не только теоретическими знаниями о глубоком обучении, но и практическими навыками работы с библиотеками TensorFlow и Keras.

2. Python Machine Learning от Sebastian Raschka

Эта книга является отличным руководством для практического изучения машинного обучения с использованием Python. Себастьян Рашка предлагает читателям подробные объяснения теоретических концепций и демонстрирует, как применять алгоритмы машинного обучения на практике. Книга также содержит обширный список примеров кода на языке Python.

3. Scikit-Learn Tutorial

Scikit-Learn является одной из самых популярных библиотек для машинного обучения на языке Python. В этом руководстве вы узнаете, как использовать Scikit-Learn для решения различных задач, таких как классификация, регрессия, кластеризация и др. Вы также ознакомитесь со строительными блоками Scikit-Learn: препроцессингом данных, моделями, оценкой и подбором гиперпараметров.

4. TensorFlow Tutorials

5. Kaggle Kernels

Kaggle — это платформа для соревнований в области анализа данных и машинного обучения. На платформе Kaggle вы найдете огромное количество тьюториалов, которые предлагают потрясающие решения задач и полезные советы от опытных участников. Использование Kaggle Kernels позволяет вам учиться на практике, а также делиться своими решениями с сообществом.

Используя эти тьюториалы и практические руководства, вы сможете расширить свои знания и навыки в области машинного обучения и искусственного интеллекта, и применить их на практике в различных проектах.

Андрей Бурков: Машинное обучение без лишних слов

В книге описаны основные алгоритмы машинного обучения, сопровождаемые кодом на Python

Очень важно, чтобы читатель, всерьез взявшийся осваивать дисциплину, сразу мог “пощупать” код, даже запустить его. Так вы расстанетесь с чувством страха при освоении непростой темы и, возможно, даже немного научитесь дебажить код, ведь с момента написания книги прошло время, и инструменты обновились

В первой главе есть забавный философский раздел, которого не найти в других книгах – “Когда следует использовать Машинное обучение”. Наверное, из-за таких выводов на ML сегодня принято “сваливать” все, что другими средствами не решилось:

  • Когда задача слишком сложна для кодирования
  • Когда задача постоянно меняется
  • Когда речь идет о задаче восприятия
  • Когда это неизученное явление
  • Когда задача имеет простую целевую функцию
  •  Когда это экономически выгодно

«Машинное обучение без лишних слов» Андрея Буркова

Издание описывает основные алгоритмы машинного обучения и обещает познакомить с основами всего за 100 страниц. Прекрасно ещё и то, что репозиторий с кодом можно клонировать с GitHub (ссылка) — а скрипты внутри запустить. От других изданий эту книгу отличает то, что она доступно и дозировано объясняет высшую математику.

Прилагать многоэтажный сниппет не буду, но покажу, какие концепции автор решил раскрыть: здесь и градиентный спуск (Gradient Descent), и ядерный трюк (Kernel Trick), и недо-/переобучение (Under/Overfitting):

И, например, в четвертой главе эксперт рассказывает о видах регрессии. И на графике ниже показывает, как для нее подбирается лучшая функция с помощью градиентного спуска:

Книга известна за рубежом, ведь Андрей Бурков релоцировался в Канаду и работает в Gartner. Кроме того, у неё есть сайт (themlbook.com) с кучей положительных отзывов и рекомендациями профессионалов.

Из любопытного: в первой главе представлен интересный философский раздел, который не встретить в других учебниках — «Когда следует применять Машинное обучение»:

  • когда задача является слишком сложной для учета всех условий;
  • когда условия постоянно меняются;
  • когда речь идет о задаче восприятия;
  • когда это неизученное явление;
  • когда задача имеет простую целевую функцию;
  • когда это выгодно.

Это помогает плавно вникнуть в вопрос людям, которые только начали программировать.

В завершение хочу похвастаться своей книгой, тем более что она бесплатная.

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.

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.

Аналитика в бизнесе, продукте и маркетинге

  1. Визуальное мышление, Как «продавать» свои идеи при помощи визуальных образов, Дэн Роэм
  2. Игра в цифры. Как аналитика позволяет видеоиграм жить лучше
  3. Потребительская лояльность. Механизмы повторной покупки, Михаил Дымшиц
  4. Сигнал и Шум. Почему одни прогнозы сбываются, а другие – нет | Сильвер Нейт
  5. Рисуем дерево | Мунари Бруно
  6. Брендинг : учебник для бакалавров / А. М. Чернышева, Т. Н. Якубова. — Москва: Издательство Юрайт, 2019. — 504 с. — (Бакалавр. Академический курс).

Дэн Роэм — обладатель ученой степени в области изобразительного искусства и биологии, автор двух мировых бестселлеров «Визуальное мышление. Как “продавать” свои идеи при помощи визуальных образов» и «Практика визуального мышления. Оригинальный метод решения сложных проблем». Первый признан лучшей инновационной книгой года и занимает 5-е место в топе продаж Амазона в категории бизнес-литературы. Дэн – основатель консалтинговой компании Digital Roam Inc и помогает руководителям и топ-менеджерам решать сложные задачи, используя визуальное мышление. В числе его клиентов значатся такие компании, как Google, eBay, Microsoft, Boeing, Intel, Cisco, IBM. Дэн Роэм оказывал консультационные услуги даже Военно-морским силам США. После блестяще подготовленной им презентации по системе здравоохранения в Штатах был приглашен агентством по коммуникациям Белого Дома — участвовать в дискуссии по визуальному мышлению.

Михаил Дымшиц – один из крупнейших в России теоретиков и практиков маркетинга и массовых коммуникаций. Окончил 1-ый Московский Медицинский институт. С 1991 года занимается изучением вопросов, связанных с психологией потребителя, маркетинговыми исследованиями и массовой коммуникации.

Ян Лекун. “Как учится машина. Революция в области нейронных сетей и глубокого обучения”

Мы живем во время революции, еще 50 лет назад казавшейся невероятной, – революции в области умных машин, которые теперь обучаются самостоятельно, вместо того чтобы просто выполнять запрограммированные команды. И возможности таких машин огромны: распознавание изображений, лиц и голосов, переводы на сотни языков, беспилотное управление автомобилями, обнаружение опухолей на медицинских снимках и многое другое.

Автор книги Ян Лекун стоит у истоков этой революции. Лауреат премии Тьюринга, профессор Нью-Йоркского университета и руководитель фундаментальными исследованиями в Facebook, он является одним из изобретателей глубокого обучения, применяемого к так называемым искусственным нейронным сетям, архитектура и функционирование которых вдохновлены устройством человеческого мозга. В своей книге он, не прибегая к метафорам, делится своим научным подходом на стыке компьютерных наук и нейробиологии, проливая свет на будущее искусственного интеллекта, связанные с ним проблемы и перспективы.

Сегодня искусственный интеллект действительно меняет все наше общество. Эта понятная и доступная книга перенесет вас в самое сердце машины, открывая новый увлекательный мир, который уже является нашей реальностью.

«1 the Road» Росса Годвина и Кенрика Макдауэлла

Как энтузиасту ИИ важно читать не только книги о технологии, написанные экспертами в этой области, но и постчеловеческая книг, написанных с помощью систем ИИ. «1 дорога» — экспериментальный роман, написанный искусственным интеллектом и созданный Россом Гудвином во время американского литературного путешествия из Нью-Йорка в Новый Орлеан

ИИ, подключенный к датчикам и портативной пишущей машине, в режиме реального времени создал рукопись, которая заполнила задние сиденья автомобиля длинными свитками чековой бумаги. Роман, основанный на американской литературе и гонзо-журналистике, предлагает новое размышление о роли автора в эпоху машин и последних исследований в области искусственного интеллекта. нейронные сети и был опубликован в 2018 году в неотредактированной дословной форме

«1 дорога» — экспериментальный роман, написанный искусственным интеллектом и созданный Россом Гудвином во время американского литературного путешествия из Нью-Йорка в Новый Орлеан. ИИ, подключенный к датчикам и портативной пишущей машине, в режиме реального времени создал рукопись, которая заполнила задние сиденья автомобиля длинными свитками чековой бумаги. Роман, основанный на американской литературе и гонзо-журналистике, предлагает новое размышление о роли автора в эпоху машин и последних исследований в области искусственного интеллекта. нейронные сети и был опубликован в 2018 году в неотредактированной дословной форме.

Книга начинается с предложения: «Было без семи минут десять утра, и это было единственное хорошее, что случилось».

Рекомендуемый пост: 15+ лучших курсов по искусственному интеллекту в 2023 году: бесплатные и платные

Заключение

Область ИИ быстро расширяется, и лучшие книги по ИИ являются свидетельством невероятных достижений в этой области. От введения в основы машинного обучения до подробного изучения сложных алгоритмов и приложений ИИ — есть книга для всех, кто интересуется этой увлекательной областью. Являетесь ли вы студентом, исследователем, предпринимателем или просто интересуетесь будущим технологий, лучшие книги по ИИ содержат ценную информацию об увлекательном мире ИИ.

Прочитайте больше:

<Предыдущий пост

Следующий пост >

В.Вьюгин. “Математические основы машинного обучения и прогнозирования”

Книга предназначена для первоначального знакомства с математическими основами современной теории машинного обучения (Machine Learning) и теории игр с предсказаниями. В первой части излагаются основы статистической теории машинного обучения, рассматриваются задачи классификации и регрессии с опорными векторами, теория обобщения и алгоритмы построения разделяющих гиперплоскостей.

Во второй и третьей частях рассматриваются задачи адаптивного прогнозирования в нестохастических теоретико-игровой и сравнительной постановках: предсказания с использованием экспертных стратегий и игры с предсказаниями.

Лучшие книги по Python для детей

16. Лучшая книга для изучения Python для детей: Python for Kids

Возрастное ограничение: 10+

Несмотря на название, это увлекательная книга для всех возрастов, содержащая чёткое и простое для понимания введение в программирование на Python. Все примеры хорошо проиллюстрированы и понятны. Книга содержит подробное руководство по установке Python в систему с последующим использованием Python Shell в качестве простого калькулятора. Эта книга является надежным руководством для получения хорошей основы знаний по Python.

Она охватывает:

  • Переменные
  • Арифметические операторы
  • Строки
  • Списки
  • Кортежи
  • Словари
  • Библиотеку Turtle
  • Условные операторы
  • Циклы
  • Функции
  • И многое другое…

17. Coding Projects in Python

Возрастное ограничение: 9 -12

Книги побуждают всех детей создавать программное обеспечение, независимо от того, изучили ли они Scratch до этого, даже если вообще не занимались программированием. Данная книга, в первую очередь, будет интересная детям в возрасте 9-12 лет.

Она охватывает:

  • Скачивание и установку редакторов кода
  • Написание и сохранение простейших программ

18. Python in Easy Steps

Возрастное ограничение: учащиеся средней школы и старше

Автор проделал фантастическую работу по представлению концепций написания кода в небольших, понятных фрагментах. Это книга написана не совсем для детей. Скорее, для учащихся средней школы с некоторым опытом работы на таком языке, как Scratch.

19. Coding For Kids: Python: Learn to Code with 50 Awesome Games and Activities

Возрастное ограничение: 10+

“Coding For Kids: Python: Learn to Code with 50 Awesome Games and Activities” – многообещающая книга автора Эдриенна Таке. Написанная для молодых начинающих программистов в возрасте от 10 лет, книга призвана стать идеальным введением, которое ребенок мог бы получить к языку программирования Python.

Помимо обучения детей основам программирования на Python, книга также показывает, как создавать свои собственные приложения / игры, чтобы процесс был весёлым, увлекательным и захватывающим. Кроме того, в книге есть множество интерактивных уроков, которым детям будет легче следовать благодаря множеству доступных наглядных примеров. Дети даже научатся отладке своего кода, чтобы выяснить, что может вызывать проблемы, если таковые имеются.

20. Creative Coding in Python: 30+ Programming Projects in Art, Games, and More

Возрастное ограничение: 10 – 12

“Creative Coding in Python: 30+ Programming Projects in Art, Games, and More” – это книга, призванная помочь детям в возрасте 10-12 лет освоить Python. Шина Вайдьянатан создала книгу с целью научить детей основам программирования. Книга демонстрирует как писать код на Python с помощью более чем тридцати веселых и захватывающих проектов, которые могут выполнять даже дети. Базовые знания преподаются с помощью блок-схем, иллюстраций и псевдокода, чтобы детям было легче их понимать.

Когда основы будут изучены, дети смогут научиться создавать такие проекты, как чат-боты, игры в кости, интерактивную литературу и даже некоторые аркадные игры.

«Жизнь 3.0: быть человеком в эпоху искусственного интеллекта», Макс Тегмарк.

Наводящая на размышления книга Макса Тегмара, «Жизнь 3.0», исследует потенциальное влияние ИИ на общество, в том числе его влияние на преступность, войну, правосудие, рабочие места и наше чувство человечности. Изучая преимущества и риски ИИ, Тегмарк предлагает читателям задуматься над важными вопросами, например, как сделать так, чтобы ИИ оставался полезным, как избежать гонки вооружений в автономном оружии и как не дать машинам перехитрить людей во всех задачах. 

С акцентом на то, чтобы дать читателям возможность присоединиться к разговору о нашем будущем, управляемом ИИ, книга предлагает ряд точек зрения и затрагивает спорные вопросы, такие как сверхразум, сознание и физические ограничения жизни в космосе. Книга была номинирована на Goodreads в категории «Лучшая наука и технология» в 2017 году.

Проектная практика, советы и инструменты Data science

  1. «Рекомендательные системы на практике» (Фальк Ким), ДМК Пресс.
  2. Машинное обучение без лишних слов, Бурков А.
  3. Data Science. Наука о данных с нуля Грас Джоэл | Грас Джоэл
  4. Машинное обучение с использованием Python. Сборник рецептов Элбон Крис | Элбон Крис
  5. Python для сложных задач. Наука о данных и машинное обучение, Вандер Плас Дж.
  6. Машинное обучение с участием человека, Роберт (Манро) Монарх
  7. Инженерия машинного обучения, Бурков А.

Джоэл Грас – работает инженером-программистом в компании Google. До этого занимался аналитической работой в нескольких стартапах. Активно участвует в неформальных мероприятиях специалистов в области науки о данных.

Элбон Крис – аналитик данных и политолог с десятилетним опы­том применения статистического обучения, искусственного интеллекта и разработ­ки программного обеспечения для политических, социальных и гуманитарных про­ектов — от мониторинга выборов до оказания помощи в случае стихийных бедст­вий. В настоящее время Крис является ведущим аналитиком данных в BRCK — кенийском стартапе, создающем прочную сеть для пользователей Интернета на формирующемся рынке.

Андрей Бурков — обладает степенью доктора по ИИ и возглавляет группу машинного обучения в компании Gartner. Книга основана на собственном 15-летнем опыте Андрея в решении задач с помощью ИИ, а также на опубликованных работах лидеров индустрии.

Like this post? Please share to your friends: