5 besplatnih e-knjiga za svladavanje strojnog učenja

Malo je predmeta u računanju koji su toliko fascinantni ili zastrašujući kao što je strojno učenje. Pomirimo se s tim da ne možete savladati strojno učenje za vikend, a u najmanju ruku zahtijeva dobro razumijevanje osnovnih matematičkih principa.

Međutim, ako imate matematičke kockice, morat ćete povećati upotrebu okvira za strojno učenje (ima ih što izabrati) s dobrim razumijevanjem teorije koja stoji iza njih.

Evo pet visokokvalitetnih tekstova koji se mogu čitati i koji pružaju uvod i objašnjenja o ulazima i dopunama strojnog učenja. Neki imaju primjere koda, ali većina se usredotočuje na formule i teoriju; u principu se mogu primijeniti na bilo koji broj jezika, okvira ili problema.

Tečaj strojnog učenja

Suština:  Vrlo čitljiv tekst dizajniran da pruži pristup temi krajnje prilagođen početnicima. Knjiga je rad u tijeku - neki su odjeljci još uvijek označeni TODO - ali ono što joj nedostaje u cjelovitosti, čini potpunom dostupnošću.

Ciljana publika:  Svatko tko dobro razumije računicu, vjerojatnost i linearnu algebru. Nije potrebna stručnost na bilo kojem određenom jeziku.

Sadržaj koda:  Neki pseudokod; većina onoga što je predstavljeno su koncepti i formule.

Elementi statističkog učenja

Suština:  Tekst na više od 500 stranica koji obuhvaća ono što autori opisuju kao "učenje iz podataka", procese korištenja statistike koja je osnova za strojno učenje. Od 2001. je prošlo dva izdanja i 10 tiskanja s dobrim razlogom - pokriva ogromnu količinu teritorija i nije ograničeno ni na jedno polje.

Ciljana publika:  Oni koji već imaju dobre temelje u matematici i statistici i ne trebaju puno držanja ruku kako bi svoje matematičke vještine pretočili u dobar kôd.

Sadržaj koda:  Nema. Ovo nije tekst za razvoj softvera; ovdje se radi o temeljnim konceptima oko strojnog učenja.

Spomenuto u ovom članku
  • Tečaj strojnog učenja Saznajte više o Hal Daumé III
  • Elementi statističkog učenja, 2. izd. Saznajte više na Sveučilištu Stanford
  • Bayesovo rasuđivanje i strojno učenje Saznajte više o Davidu Barberu
  • Gaussovi procesi za strojno učenje Saznajte više o Gaussovim procesima za strojno učenje ...
  • Strojno učenje Saznajte više o InTechu

Bayesovo rasuđivanje i strojno učenje

Suština:  Bayesove metode stoje iza svega, od filtera za neželjenu poštu do prepoznavanja uzoraka, pa čine glavno područje proučavanja mavena za strojno učenje. Ovaj tekst prolazi kroz sve glavne aspekte Bayesove statistike i kako se primjenjuju na uobičajene scenarije u strojnom učenju.

Ciljana publika:  Svatko tko dobro razumije računicu, vjerojatnost i linearnu algebru.

Sadržaj koda: Puno! Svako poglavlje sadrži i pseudokod i veze do alata s stvarnim demonstracijama koda. Međutim, kod nije u Pythonu ili R-u, već je kod komercijalnog okruženja MATLAB, iako GNU Octave može raditi kao zamjena za otvoreni izvor.

Gaussovi procesi za strojno učenje

Suština:  Gaussovi procesi dio su obitelji analiza koje se koriste Bayesovim metodama. Ovaj se tekst usredotočuje na to kako se Gaussovi koncepti mogu koristiti u uobičajenim metodama strojnog učenja poput klasifikacije, regresije i treninga modela.

Ciljana publika:  Otprilike isto što i "Bayesovsko rasuđivanje i strojno učenje".

Sadržaj koda:  Većina koda predstavljenog u knjizi je pesudocode, ali poput "Bayesova obrazloženja i strojnog učenja", dodaci uključuju primjere za MATLAB / Octave.

Strojno učenje

Suština: Zbirka eseja o različitim i vrlo specifičnim aspektima strojnog učenja. Neki su općenitiji i filozofskiji; drugi su fokusirani na specifične problemske domene, poput "Metode strojnog učenja za simulaciju i optimizaciju govornog dijaloga".

Ciljna publika:  Namijenjeno čitateljima laicima, ali i tehnički sklonijima.

Sadržaj koda:  Gotovo nijedan, iako formula obiluje. Čitajte zbog okusa.