Как отрасль компьютерных наук, машинное обучение посвящено изучению того, как строить алгоритмы с использованием выборочных данных, представляющих явление. Эти данные могут быть сгенерированы естественным путем, могут быть сгенерированы искусственно или могут быть получены на выходе других алгоритмов.
В то же время машинное обучение можно определить и как набор процессов для решения практических задач, конкретные этапы которого включают сбор данных, использование алгоритмов для статистического моделирования собранных данных и использование построенной статистической модели для решения конкретных задач.
Редактор собрал несколько 8 обязательных книг по машинному обучению в 2020 году, чтобы поделиться с вами!
1. Теория и алгоритмы улучшения машинного обучения
[США] Роберт, Э., Шапир, Йоав, Фройнд, [Йоав, Фройнд], пер.
- Эта книга представляет собой репрезентативную работу основателя Метода Вознесения и лауреата Гёделевской премии;
- Представляйте различные теории, лежащие в основе метода подъема веса, беззаботно, просто и просто;
- Полностью учитывая потребности начинающих читателей, все материалы соответствующим образом адаптированы, а в конце каждой главы приложены упражнения;
- В книге много примеров применения и иллюстраций;
- Предоставляет файлы цветных изображений в книге.
Повышение — это метод машинного обучения, идея которого состоит в том, чтобы создать высокоточный предиктор путем объединения множества слабых и неточных «эмпирических правил». Вокруг поднятия было разработано очень богатое тело теории, охватывающей ряд тем, включая статистику, теорию игр, выпуклую оптимизацию и информационную геометрию. Подъем также нашел успешное применение в биологии, компьютерном зрении и обработке речи.
Написанная авторами «Вознесения» Робертом Э. Шапиром и Йоавом Фройндом, эта книга объединяет, систематизирует, упрощает и существенно расширяет исследования в области Вознесения, представляет теорию и практику Вознесения таким образом, чтобы читатели любого уровня подготовки могли их понять. легко читается и понимается, а также является авторитетным справочником для продвинутых исследователей. В этой книге полностью учтены потребности ознакомительных читателей, и проведена соответствующая адаптация ко всем материалам, а в конце каждой главы есть упражнения, поэтому она пригодна для использования в качестве соответствующего учебного материала.
Эта книга начинается с обзора алгоритмов машинного обучения и методов их анализа, затем исследуется основная теория подъема, особенно ее способность обобщать, исследуются многие теоретические аспекты, которые способствуют пониманию и объяснению подъема, приводятся практические расширения метода подъема. представлены для решения более сложных задач обучения; в конце представлены некоторые передовые теории. Многочисленные примеры применения и иллюстрации повсюду.
Эта книга подойдет любому читателю, интересующемуся алгоритмами машинного обучения и методами подъема, а также подойдет в качестве учебника для смежных курсов в колледжах и университетах.
2. Практика обработки естественного языка
[Америка] Хобсон Лейн, Коул Ховард, Ханнес Макс Хапке, перевод Ши Ляна, Лу Сяо, Тан Кексина, Ван Биня
- Эта книга представляет собой практическое руководство по созданию машин, способных читать и интерпретировать человеческий язык;
- Читатели могут использовать существующие пакеты Python, чтобы уловить смысл текста и ответить соответствующим образом;
- Эта книга расширяет традиционные методы обработки естественного языка, включая нейронные сети, современные алгоритмы глубокого обучения и генеративные методы для решения реальных задач, таких как извлечение дат и имен, синтез текста и ответы на открытые вопросы;
- Предоставьте исходный код.
Недавние достижения в области глубокого обучения позволили приложениям всех типов понимать текст и речь с предельной точностью. В результате появился чат-бот, имитирующий человека, который просматривает наиболее подходящие резюме, выполняет превосходный прогнозирующий поиск и автоматически создает резюме документов — и все это за небольшую часть стоимости. Развитие новых технологий, наряду с появлением простых в использовании инструментов, таких как Keras и TensorFlow, сделало обработку естественного языка профессионального качества (NLP) более доступной, чем когда-либо.
Основное содержание этой книги
- Использование таких инструментов, как Keras, TensorFlow, gensim и scikit-learn.
- Обработка естественного языка на основе правил и обработка естественного языка на основе данных.
- Масштабируемый конвейер обработки естественного языка.
Чтобы прочитать эту книгу, читатели должны иметь базовые знания о глубоком обучении и средний уровень навыков программирования на Python.
3. Введение и практика тестирования машинного обучения
Ай Хуэй
- Первая в отрасли тестовая книга по искусственному интеллекту, рекомендованная 32 экспертами BAT.
- Представлено 15 тестовых точек ИИ, охватывающих 5 основных технических тем.
- Быстрый запуск тестов машинного обучения с нуля. Написано командой тестирования Rong 360AI.
В отличие от книг по машинному обучению, представленных на рынке, эта книга является первой в отрасли книгой по тестированию ИИ, заполняющей пробел в области тестирования машинного обучения.
Эта книга была создана 12 инженерами первой линии из группы тестирования Rong 360AI, возглавляемой известным техническим экспертом Ай Хуэем, что заняло более года.
1) Выберите 15 тестовых точек ИИ, начните с нуля и полностью изучите тест машинного обучения.
2) Охватывает 5 технических тем, большие данные, алгоритм модели, оценку модели, инженерную архитектуру и интеллектуальное тестирование.
3) Совместно рекомендовано 32 известными экспертами из десятков ведущих интернет-компаний, таких как BAT.
Содержание этой книги предназначено для объяснения глубоких вещей простым языком, а маршрут обучения ясен, помогая читателям понять, как работает машинное обучение и как осуществляется обеспечение качества машинного обучения.
Для инженеров-разработчиков и инженеров-испытателей, прочитав эту книгу, вы сможете систематически понять знания о тестировании больших данных, тестировании функций и оценке моделей; Идея практики проектирования моделей; Для технических экспертов и технических менеджеров чтение этой книги может принести идеи построения обеспечения качества машинного обучения и инженерной эффективности.
4. Полноцветная печать с интенсивным машинным обучением
Андрей Бурков, перевод Хан Цзянлей
- Компактное вводное руководство по машинному обучению на 100+ страниц.
- Бестселлер азиатского класса машинного обучения 4,5 звезды, полноцветная печать
- Рекомендован многими известными экспертами в области искусственного интеллекта и машинного обучения.
Основы машинного обучения охватывают обучение с учителем и без учителя, машины опорных векторов, нейронные сети, ансамблевые алгоритмы, градиентный спуск, кластерную классификацию, уменьшение размерности, автоэнкодеры, трансферное обучение, проектирование признаков и настройку гиперпараметров. Книга содержит как математические формулы, так и графические пояснения.
Эта книга имеет следующие особенности:
- Кратко и прямо по делу. Небольшой объем позволяет читателям быстро прочитать и понять суть методов машинного обучения. Содержание этой книги является результатом многолетних исследований автора и других практиков.
- Сопутствующие веб-страницы. Эта книга содержит постоянно обновляемые веб-страницы, которые дополняют содержание книги, включая вопросы и ответы, код, рекомендуемое чтение, инструменты и другое связанное содержимое. Отсканируйте QR-код в книге, чтобы просмотреть ее.
- Полноцветная печать - красочная и легко читаемая.
- Код основан на языке Python.
5. Глубокое обучение
- Революционный классический бестселлер в области глубокого обучения
- Обязательна к прочтению ученым, работающим с данными, и специалистам по машинному обучению.
- Многолетний топ-рейтинг книг по искусственному интеллекту и машинному обучению в Meiya, работа, удостоенная премии Тьюринга, полноцветная печать
«Глубокое обучение» написано тремя всемирно известными экспертами, Яном Гудфеллоу, Йошуа Бенжио и Аароном Курвиллем, и является основополагающим классическим учебником в области глубокого обучения. Содержание книги состоит из 3 частей: первая часть знакомит с основными математическими инструментами и концепциями машинного обучения, которые являются подготовительными знаниями к глубокому обучению; вторая часть систематически объясняет зрелые методы и технологии глубокого обучения; третья часть обсуждает некоторые перспективные направления и идеи, признанные приоритетами будущих исследований в области глубокого обучения.
«Глубокое обучение» подходит для всех типов читателей, включая студентов и аспирантов смежных специальностей, а также инженеров-программистов, которые не имеют опыта в области машинного обучения или статистики, но хотят быстро дополнить знания глубокого обучения для применения в реальных продуктах или продуктах. платформы.
6. Практическое глубокое обучение
Астон Чжан, Му Ли, [США] Закари С. Липтон и др.
- Вводный курс самообучения в области машинного обучения искусственного интеллекта
- Новый режим обучения в интерактивной реальной боевой обстановке принцип + реальный бой
- Сопутствующий веб-сайт предоставляет код Pytorch и TensorFlow, а также видеоуроки.
В настоящее время большинство книг по внедрению глубокого обучения на рынке можно разделить на две категории, одна из которых посвящена внедрению методов, а другая — внедрению практики и инструментов глубокого обучения. Эта книга охватывает как метод, так и практику. Эта книга не только объясняет методы и приложения глубокого обучения с математической точки зрения, но также содержит исполняемый код, который показывает читателям, как решать проблемы на практике. Чтобы предоставить читателям интерактивный опыт обучения, эта книга не только содержит бесплатные обучающие видеоролики и области для обсуждения, но также предоставляет файлы Jupyter Notepad, которые можно запускать, в полной мере используя возможности Jupyter Notepad для унификации текста, кода, формул и изображений. Таким образом, можно не только напрямую сопоставлять математические формулы с реальными кодами, но также коды можно изменять, результаты можно наблюдать, а опыт можно получать вовремя, тем самым предоставляя читателям совершенно новый и интерактивный опыт глубокого обучения.
Эта книга предназначена для студентов колледжей, инженеров и исследователей, которые хотят узнать о глубоком обучении, особенно для тех, кто хочет использовать его на практике. Эта книга не требует от читателей каких-либо базовых знаний в области глубокого обучения или машинного обучения, читатели должны иметь только базовые знания в области математики и программирования, такие как базовая линейная алгебра, дифференцирование, вероятность и знания в области программирования на Python. Основные математические знания, использованные в книге, представлены в приложении к этой книге для ознакомления читателей.
7. Байесовское мышление: метод обучения Python для статистического моделирования
[США] Аллен Б. Дауни, перевод Сюй Янъи
- Машинное обучение, искусственный интеллект, база навыков специалистов по анализу данных в эпоху больших данных
- Авторы книг ThinkStats и ThinkPython сильно пострадали
- Аналитик данных, инженер данных, специалист по данным
«Байесовское мышление: статистическое моделирование в Python» поможет тем, кто хочет использовать математические инструменты для решения практических задач.Единственными требованиями могут быть небольшие знания вероятности и программирования. Байесовский метод — это распространенный математический метод, который использует знание вероятностей для решения неопределенных задач.Компьютерный специалист должен быть знаком с его применением в обычных компьютерных приложениях, таких как машинный перевод, распознавание речи и обнаружение спама.Проблемная область.
Тем не менее, «Метод обучения Python для статистического моделирования байесовского мышления» на самом деле далеко расширит ваши горизонты.Даже если вы не профессионал в области компьютеров, вы можете видеть, что в условиях войны (проблема немецкого танка во Второй мировой войне) юридические вопросы On (Подтверждение гипотезы опухоли почки), Сила байесовских подходов в области ставок на спорт (Проблема игры Bears and Canucks NFL). Как по ограниченной информации судить о численности немецких бронетанковых войск, насколько велика вероятность победы вашей команды в чемпионате и чего ожидать от большого значения игрового атрибута персонажа в Dungeons & Dragons Warriors?Даже в обычных пейнтбольных играх, наличие некоторого байесовского мышления может помочь вам улучшить свою игру.
8. Обработка естественного языка Python
[США] Стивен, Берд Юэн, Кляйн Эдвард, Лопер, перевод Чен Тао, Чжан Сюй, Цуй Ян, Лю Хайпин
Python Natural Language Processing — это практическое вводное руководство по обработке естественного языка, призванное помочь читателям научиться писать программы для анализа письменного языка. «Обработка естественного языка Python» основана на языке программирования Python и библиотеке с открытым исходным кодом под названием NLTK, наборе инструментов для естественного языка, но не требует от читателей наличия опыта программирования на Python. Книга состоит из 11 глав, расположенных в порядке сложности. Главы с 1 по 3 знакомят с основами языковой обработки и показывают, как использовать небольшие программы Python для анализа интересующей текстовой информации. В главе 4 обсуждается структурированное программирование, чтобы закрепить моменты программирования, представленные в предыдущих главах. Главы с 5 по 7 знакомят с основами языковой обработки, включая тегирование, классификацию и извлечение информации. Главы с 8 по 10 знакомят с разбором предложений, распознаванием синтаксической структуры и методами выражения значения предложения. Глава 11 описывает, как эффективно управлять лингвистическими данными. Раздел постскриптума кратко обсуждает прошлое и будущее области НЛП.