Канал по Машинному обучению
@ai_machinelearning_big_data
Перейти
Список лучших (и бесплатных) книг для изучения Машинного Обучения
Мы составили список из 50 лучших (и бесплатных) книг, которые будут полезны для всех, кто работает в сфере машинного обучения.
“Чего мы хотим, так это машин, которые смогут учиться на собственном опыту”
Алан Тьюринг
Нет никаких сомнений в том, что машинное обучение стало одной из самых популярных тем в наше время. Согласно исследованиям, инженер по машинному обучению был признан одной из лучших профессий в США в 2019 году. С этой статьей вы можете скачать бесплатно книги по машинному обучению.
@datascienceiot – в телеграм канале собраны сотни бесплатных книг, которые вы можете скачать. по машинному обучению, статистике, математике и глубокому обучению.
Учитывая эту тенденцию, мы составили список некоторых из лучших (и бесплатных) книг по машинному обучению, которые окажутся полезными для всех, кто стремится построить карьеру в этой области.
Наслаждайтесь!
1. Введение в статистическое обучение с R (ISLR)
Ссылка на книгу: ISLR
Лучшая вводная книга по теории машинного обучения. Даже платные источники редко могут оказаться лучше. Книга является хорошим введение в математику, а также содержит практический материал для языка R.
2.«Глубокое обучение» (Deep Learning). образовательный проект по глубокому обучению
Ссылка на гит: https://github.com/Dyakonov/DL
- образовательный проект по глубокому обучению
- лектор: Александр Дьяконов
- читался как кафедральный курс на факультете ВМК, МГУ имени М.В. Ломоносова для бакалавров 317 группа (2019-2022)
- часть лекций легла в основу курса программы ОзонМастерс
📓 Автоматическая обработка текстов на естественном языке и анализ данных
Ссылка на книгу: https://t.me/machinelearning_books/166
В учебном пособии рассматриваются базовые вопросы компьютерной лингвистики: от теории лингвистического и математического моделирования
до вариантов технологических решений. Дается интерпретация основных
лингвистических объектов и единиц анализа. Приведены сведения, необходимые для создания отдельных подсистем, отвечающих за анализ текстов
на естественном языке. Рассматриваются вопросы анализа тональности и
тематического моделирования текстов, извлечения информации из текстов.
3. Нейронные сети и глубокое обучение
Ссылка на книгу: Neural Networks and Deep Learning
Эта бесплатная онлайн-книга – одно из лучших и самых быстрых введений в глубокое обучение. Чтение этой книги займет всего несколько дней, но даст вам все основы глубокого обучения.
4. Распознавание образов и машинное обучение
Book Link: Pattern Recognition and Machine Learning
Это одна из самых известных книг по теоретическому машинному обучению, поэтому мне не нужно писать много вступительных слов.
5. Глубокое обучение
Book Link: Deep Learning Book
Библия глубокого обучения. Эта книга представляет собой введение в алгоритмы и методы глубокого обучения. Стоит отметить, что данное пособие будет полезно как новичку, так и человеку, который уже некоторое время изучает сферу машинного обучения.
6. Понимание машинного обучения: от теории к алгоритмам
Book Link: Understanding Machine Learning: From Theory to Algorithms
Действительно хорошее пособия для изучения машинного обучения!
7. 7 шагов к успеху: Машинное обучения на практике
Book Link: Seven Steps to Success: Machine Learning in Practice
Важно: люди, которые только начинают углубляться в сферу машинного обучения, просто обязаны ознакомиться с данной книгой. Стоит заметить, что она очень хорошо и понятно написана (немного устарело и не охватывает глубокое обучение, но работает для всех практических целей).
8. Правила машинного обучения: Лучшая практика для инженеров машинного обучения
Book Link: Rules of Machine Learning: Best practices for Machine Learning Engineering
Интересно, что Google думает о своих продуктах машинного обучения? Это действительно хороший учебник по управлению продуктами в сфере машинного обучения!
9. Краткое введение в машинное обучение для инженеров
Book Link: A Brief Introduction to Machine Learning for Engineers
Монолог, охватывающий практически все методы машинного обучения. Книга облегчает процесс понимания математики (для людей, которые боятся сложных математических обозначений).
10. Краткое введение в машинное обучение без глубокого обучения
Book Link: Brief Introduction to Machine Learning without Deep Learning
Книга представляет собой пособие для новичков, которое не содержит в себе темы глубокого обучения.
11. Вводные заметки по машинному обучению
Book Link: Introductory Machine Learning notes
Руководство по машинному обучению для абсолютных новичков.
12. Основы машинного обучения
Book Link: Foundations of Machine Learning
Подробный трактат о математических концепциях машинного обучения.
13. Введение в выбор переменных и функций
Book Link: An Introduction to Variable and Feature Selection
Разработка функций и выбор переменных, вероятно, являются наиболее важным вкладом человека в традиционные алгоритмы машинного обучения (тема не так уж важна в методах глубокого обучения, но стоит помнить, что не всё решается с помощью глубокого обучения). В этом руководстве представлено введение в различные методы проектирования объектов.
14. Автоматизированное машинное обучение – Фрэнк Хаттер, Ларс Коттхофф, Хоакин Ваншорен
Book Link: AutoML Book – Frank Hutter, Lars Kotthoff, Joaquin Vanschoren
Традиционное машинное обучение в последние дни действительно свелось к запуску моделей автоматизированного машинного обучения (h2o, auto sklearn или tpot, наши любимые в ParallelDots), как только вы закончите с разработкой функций. (На самом деле, существует также несколько методов автоматического проектирования объектов, не относящихся к конкретной предметной области). В этой книге рассматриваются методы, используемые в автоматизированном машинному обучении.
15. Глубокое обучение с помощью Pytorch
Book Link: Deep Learning with Pytorch
Бесплатная книга, которая поможет вам освоить глубокое обучение с помощью PyTorch. PyTorch – наша любимая библиотека глубокого обучения в ParallelDots. Мы рекомендуем ее всем, кто занимается прикладными исследованиями / разработками в области глубокого обучения.
16. Погружение в глубокое обучение
Book Link: Dive Into Deep Learning
Еще одна подробная книга по глубокому обучению, в которой используется библиотека MXNet от Amazon для погружения в глубокое обучение.
17. Записные книжки Keras на Github
Book Link: Keras Github notebooks
Франсуа Шоле – руководитель библиотеки Keras. Его книга, “Глубокое обучение на Python”, написанная для обучения глубокому обучению в Keras, оценена очень хорошо. Книга недоступна бесплатно, но весь ее код доступен на Github в виде записных книжек (образующих книгу с примерами глубокого обучения) и является хорошим ресурсом. Я прочитал это, когда изучал Keras несколько лет назад, очень хороший ресурс.
18. Машинное обучение на основе моделей
Book Link: Model-based Machine Learning
Отличный ресурс по байесовскому машинному обучению. Книга будет полезна как новичкам, так и прогрессирующим специалистам!
19. Байесовские модели для машинного обучения
Book Link: Bayesian Models for Machine Learning
Еще одна книга, в которой подробно описываются различные байесовские методы в машинном обучении.
20. Eisenstein NLP notes
Ссылка на книгу: Eisenstein NLP notes
Обработка естественного языка – самое популярное применение машинного обучения. Эти заметки из курса GATech дают действительно хороший обзор того, как машинное обучение используется для интерпретации человеческого языка.
21. Обучение с подкреплением
Ссылка на книгу: Reinforcement Learning – Sutton and Barto
Это обязательная книга для всех, кто начинает заниматься обучением с подкреплением.
22. Гауссовские процессы для машинного обучения
Ссылка на книгу: Gaussian Processes for Machine Learning
Книга раскрывет использование байесовской оптимизации и гауссовых процессов для машинного обучения с библиотеками Edward / GpyTorch / BOTorch и т.д..
23. Интервью по машинному обучению. Дизайн систем машинного обучения
Ссылка на книгу: Machine Learning Interviews Machine Learning Systems Design Chip Huyen
Собираетесь на собеседование для работы по машинному обучению? Эти вопросы могут помочь определить стратегию при ответе на вопросы в сфере машинного обучения.
24. Алгоритмические аспекты машинного обучения
Ссылка на книгу: Algorithmic Aspects of Machine Learning
Эта книга посвящена разделам машинного обучения, которые имеют дело с вычислительными алгоритмами и численными методами для решения таких задач, как модели факторизации, изучение словаря и гауссовы модели.
25. Причинно-следственная связь для машинного обучения
Ссылка на книгу: Causality for Machine Learning
Поскольку причинно-следственная связь проникает в области науки о данных, машинное обучение тоже не остается позади. Хотя подробных материалов по этому поводу нет, вот краткое руководство, в котором предпринимается попытка объяснить ключевые концепции причинно-следственной связи для машинного обучения.
26. Математические основы Data Sciences
Ссылка на книгу: https://mathematical-tours.github.io/book-sources/FundationsDataScience.pdf
Основы математики для специалистов по данным.
25. Математические основы Data Sciences
Создаем нейронную сеть
27. Music Classification: Beyond Supervised Learning, Towards Real-world Application
Ссылка на книгу: https://music-classification.github.io/tutorial/landing-page.html
Музыкальная классификация: помимо контролируемого обучения, к реальному применению
Еще 10 книг раскрывающие машинное обучение книги, которые можно скачать бесплатно
Hal Daume III. A Course in Machine Learning. 2015 – прекрасно оформленный вводный курс в машинное обучение (PDF)
Bayesian Reasoning and Machine Learning – качественный, прекрасно оформленный и регулярно обновляемый курс David Barber
A First Encounter with Machine Learning – курс Max Welling, 2011 г. (PDF)
Gaussian Processes for Machine Learning
Introduction to Machine Learning – конспект лекций по машинному обучению Амнона Шашуа (Amnon Shashua), охватывающий темы статистического вывода
Machine Learning, Neural and Statistical Classification – книга 1994 г. Michie, Spiegelhalter, Taylor, основана на проекте StatLog ЕС (ESPRIT), в котором сравниваются и оцениваются методы классификации с оценкой их достоинств, недостатков и диапазонов применения
The Elements of Statistical Learning
Кристоф Мольнар. Interpretable Machine Learning фокусируется на моделях машинного обучения для табличных данных
Кэмерон Дэвидсон. Bayesian Methods for Hackers — всё о байесовском выводе
Книги по статистике
Статистика
- Брюс П., Брюс Э. Практическая статистика для специалистов Data Science. 50 важнейших понятий. БХВ-Петербург, 2018. — В качестве основного языка используется R.
- Illowsky B., Dean S. Introductory Statisctics. OpenStax, 2021.
- Kormanik K. A. Statistics Fundamentals Succinctly. 2016 – введение в статистику с практической точки зрения
- Shafer D. S., Zhang Z. Introductory Statistics. University of North Carolina, 2012. – большое количество примеров и иллюстраций
- Lane D. etc. OnlineStatBook. Rice University
- James G., Witen D., Hastie T., Tibshirani R. An Introduction to Statistical Learning — введение в методы статистического обучения с лабораторными работами на языке R
- Dekking F.M., Kraaikamp C., Lopuhaa H.P., Meester L.E. A Modern Introduction to Probability and Statistics. 2005. – подробный ясный учебник по теории вероятностей и математической статистике с большим количеством примеров и упражнений
Нейронные сети и глубинное обучение
- Лекции по искусственным нейронным сетям — К. В. Воронцов (pdf)
- Нейронные сети от Института Биоинформатики
- Искусственный интеллект и машинное обучение (лекции) — приятные и качественные лекции по широкому набору тем. Один из немногих из источников на русском языке
- Neural Networks for Machine Learning (Geoffrey Hinton, University of Toronto). Цитата: «Я уже использовал фразу “живая легенда” и теперь испытываю сложности, поскольку как-то иначе охарактеризовать Джеффри Хинтона (человека, стоящего у истоков современных подходов к обучению нейросетей с помощью алгоритма обратного распространения ошибки) сложно. Курс у него получился отличный»
- Neural Networks and Deep Learning – бесплатная онлайн-книга по нейросетям и глубинному обучению
- Neural Networks and Deep Learning (github repo))
- CS231n: Convolutional Neural Networks for Visual Recognition (Stanford University)
- Tensorflow Neural Network Playground – игрушечные нейросети в браузере
- awesome-rnn – awesome recurrent neural networks
- nmn2 – dynamically predicted neural network structures for multi-domain question answering
- Nervana’s Deep Learning Course
@pythonlbooks – здесь вы можете бесплатно скачать книги по python, актуальные на 2023 год.
Если вы нашли эту статью интересной, то вы можете поддержать нас лайком, комментарием и подпиской!
+1
+1
4
+1
2
+1
+1
