25 лучших (и бесплатных) книг для понимания машинного обучения 2022

1. ISLR

Лучшая вводная книга по теории машинного обучения. Даже платные книги редко бывают лучше. Хорошее введение в математику, а также практический материал на R. Не могу похвалить эту книгу в достаточной мере.

книгу можно найти в нашем телеграмм канале – https://t.me/datascienceiot/1700

2. Neural Networks and Deep Learning


Эта бесплатная онлайн-книга является одним из лучших и кратчайших книг по введению в глубокое обучение. Чтение занимает всего несколько дней и оно даст вам все основы глубокого обучения. https://t.me/datascienceiot/1682 ссылка на книгу в телеграмме

3. Pattern Recognition and Machine Learning

Это одна из самых известных теоретических книг по машинному обучению

4. Deep Learning Book

Библия глубокого обучения, эта книга представляет собой введение в алгоритмы и методы глубокого обучения, которое полезно как для новичков, так и для практиков. https://t.me/datascienceiot/1686

5. Understanding Machine Learning: From Theory to Algorithms


Действительно хороший трактат по теории машинного обучения.

6. Seven Steps to Success: Machine Learning in Practice

Книга для Не технических продукт-менеджеров и инженеров-программисты, не занимающиеся машинным обучением. Очень хорошо написано (немного устарело и не содержит информации о глубоком обучение.

7. Rules of Machine Learning: Best practices for Machine Learning Engineering

Интересно, как в Google применяется машинное обучение? Это действительно хороший учебник с интересными примерами.

8. A Brief Introduction to Machine Learning for Engineers


Фолиант, охватывающий почти все методы машинного обучения. Поможет понять математику (для людей, боящихся сложных математических формул).

9. Brief Introduction to Machine Learning without Deep Learning

10. Introductory Machine Learning notes

Вводные заметки по машинному обучению. Руководство по машинному обучению для начинающих.

11. Foundations of Machine Learning

Подробный трактат о математических концепциях машинного обучения.

12. An Introduction to Variable and Feature Selection

Этот учебник представляет собой введение в различные методы разработки функций.

13. AutoML Book – Frank Hutter, Lars Kotthoff, Joaquin Vanschoren

Традиционное машинное обучение в последние дни действительно сводится к запуску моделей AutoML (h2o, auto sklearn или tpot, наш любимый в ParallelDots) (На самом деле, есть несколько методов автоматического проектирования функций, не зависящих от предметной области). В этой книге рассматриваются методы, используемые в AutoML.

14. Deep Learning with Pytorch

Бесплатная книга, которая поможет вам научиться глубокому обучению с помощью PyTorch. PyTorch — моя любимая библиотека глубокого обучения в ParallelDots, и мы рекомендуем ее всем, кто занимается прикладными исследованиями/разработками в области глубокого обучения.

15. Dive Into Deep Learning

Еще одна подробная книга по глубокому обучению, в которой для обучения глубокому обучению используется библиотека Amazon MXNet.

16. Keras Github notebooks

Франсуа Шолле — руководитель библиотеки Keras. Его книга «Глубокое обучение в Python»,которая получила очень хорошие оценки. Книга не доступна бесплатно, но весь ее код доступен на Github в виде записных книжек. Я читал его, когда изучал Keras несколько лет назад, очень хороший ресурс.

17. Model-based Machine Learning

Отличная книга по байесовскому машинному обучению. Для обучения используется библиотеку Microsoft Infer.Net.

18. Bayesian Models for Machine Learning


Еще одна книга с подробным описанием различных байесовских методов в машинном обучении.

19. Eisenstein NLP notes

Обработка естественного языка — наиболее популярное применение машинного обучения. Это заметки из курса GATech дают действительно хороший обзор того, как машинное обучение используется для интерпретации человеческого языка.

20. Reinforcement Learning – Sutton and Barto


Библия обучения с подкреплением. Это обязательная книга для всех, кто занимается обучением с подкреплением.

21. Gaussian Processes for Machine Learning

Книга о использованиии байесовской оптимизации и гауссовских процессов для машинного обучения. С библиотеками на основе вариационного вывода, такими как Edward/GpyTorch/BOTorch и т. д.

22. Machine Learning Interviews Machine Learning Systems Design Chip Huyen

Собираетесь на собеседование по поводу работы в области машинного обучения? Эти вопросы могут помочь определить стратегию при решении проблем систем машинного обучения.

23. Algorithmic Aspects of Machine Learning

Эта книга посвящена тем частям машинного обучения, которые связаны с вычислительными алгоритмами и численными методами решения, такими как модели факторизации, модели Гаусса и тд.

24. Causality for Machine Learning

Поскольку причинно-следственная связь проникает в области науки о данных, машинное обучение также не отстает от обсуждения. Хотя подробных материалов по этому вопросу нет, вот краткое руководство, пытающееся объяснить ключевые концепции причинно-следственной связи для машинного обучения.

25. 🧠 Neural Networks Books

Книга по нейронным сети https://t.me/datascienceiot/1684

Ответить