Programmering

5 gratis e-bøker for maskinlæring

Det er få fag i databehandling som er så fascinerende eller skremmende som maskinlæring. La oss innse det - du kan ikke mestre maskinlæring på en helg, og i det minste krever det en god forståelse av de underliggende matematiske prinsippene.

Når det er sagt, hvis du har mattehakkene, vil du øke bruken av maskinlæringsrammer (det er mye å velge mellom) med en god forståelse av teorien bak dem.

Her er fem høykvalitets, gratis-å-lese tekster som gir introduksjoner og forklaringer på maskininnlæringens innsatser og outs. Noen har kodeeksempler, men de fleste fokuserer på formler og teori; i prinsippet kan de brukes på et hvilket som helst antall språk, rammer eller problemer.

Et kurs i maskinlæring

Kjernen:En svært lesbar tekst designet for å gi en ekstremt nybegynnervennlig tilnærming til emnet. Boken er et pågående arbeid - noen seksjoner er fremdeles merket TODO - men hva den mangler i fullstendighet, utgjør den i ren tilgjengelighet.

Målgruppe:Alle med god forståelse av kalkulus, sannsynlighet og lineær algebra. Ingen kompetanse på noe spesifikt språk kreves.

Kodeinnhold:Noe pseudokode; flertallet av det som presenteres er konsepter og formler.

Elementene til statistisk læring

Kjernen: En 500-pluss siders tekst som dekker det forfatterne beskriver som "læring av data", prosessene med å bruke statistikk som er grunnlaget for maskinlæring. Det har vært gjennom to utgaver og ti utskrifter siden 2001, med god grunn - det dekker en enorm mengde territorium og er ikke begrenset til ett felt.

Målgruppe:De som allerede har et godt grunnlag i matte og statistikk og ikke trenger mye håndhold for å oversette matteferdighetene sine til god kode.

Kodeinnhold:Ingen. Dette er ikke en programvareutviklingstekst; dette handler om grunnleggende konsepter rundt maskinlæring.

Nevnt i denne artikkelen
  • Et kurs i maskinlæring Lær mer om Hal Daumé III
  • The Elements of Statistical Learning, 2. utg. Lær mer om Stanford University
  • Bayesian resonnement og maskinlæring Lær mer om David Barber
  • Gaussiske prosesser for maskinlæring Lær mer om Gaussiske prosesser for maskin ...
  • Maskinlæring Lær mer om InTech

Bayesian resonnement og maskinlæring

Kjernen: Bayesiske metoder ligger bak alt fra spamfiltre til mønstergjenkjenning, så de utgjør et stort studieretning for maskinlæringsmavens. Denne teksten går gjennom alle de viktigste aspektene av Bayesian statistikk, og hvordan de gjelder vanlige scenarier innen maskinlæring.

Målgruppe:Alle med god forståelse av kalkulus, sannsynlighet og lineær algebra.

Kodeinnhold: Mye! Hvert kapittel inneholder både pseudokode og lenker til et verktøysett med faktiske kodedemoer. Når det er sagt, er koden ikke i Python eller R, men er kode for det kommersielle MATLAB-miljøet, selv om GNU Octave kan fungere som en åpen kildekodeerstatning.

Gaussiske prosesser for maskinlæring

Kjernen:Gaussiske prosesser er en del av analysefamilien som brukes av Bayesianske metoder. Denne teksten fokuserer på hvordan gaussiske begreper kan brukes i vanlige maskinlæringsmetoder som klassifisering, regresjon og modellopplæring.

Målgruppe:Omtrent det samme som "Bayesian Reasoning and Machine Learning."

Kodeinnhold:Det meste av koden som er omtalt i boken er pesudokode, men i likhet med "Bayesian Reasoning and Machine Learning" inneholder vedleggene eksempler for MATLAB / Octave.

Maskinlæring

Kjernen: En samling essays om forskjellige og svært spesifikke aspekter ved maskinlæring. Noen er mer generelle og filosofiske; andre er fokusert på spesifikke problemdomener, for eksempel "Machine Learning Methods for Spoken Dialogue Simulation and Optimization."

Målgruppe:Beregnet for lekelesere så vel som de mer teknisk tilbøyelige.

Kodeinnhold:Så å si ingen, selv om det er mange formler. Les for smak.

$config[zx-auto] not found$config[zx-overlay] not found