1. «Машинное обучение». Хенрик Бринк, Джозеф Ричардс, Марк Феверолф
Идеальный вариант учебника, который простым и доступным языком расскажет вам о том, что такое машинное обучение.
Содержит много примеров кода и их применения. К сожалению, здесь не будет математических основ, предполагается, что этим инструментарием читатель уже владеет.
Также здесь много теоретического материала про разные аспекты машинного обучения: моделирование, сбор данных, классификация и регрессия и многое другое. В конце каждой главы есть вопросы и примеры задач для самоконтроля.
Будет полезна для начинающих аналитиков, программистов, специалистам по обработке данных и широкому кругу лиц, заинтересованных в машинном обучении.
Книга вышла в издательстве «Питер» в популярной серии «Библиотека программиста».
3. «Введение в машинное обучение с помощью Python». Андреас Мюллер, Сара Гвидо
Это практическое руководство для специалистов по обработке данных. К изучению этой книги можно приступать с самыми начальными знаниями о машинном обучении. Здесь будет дана теория, подкрепленная практикой на каждом этапе.
Однако у читателя должен быть опыт программирования на Python, даже самый минимальный или просто теоретическое знание этого языка.
Во время изучения этой книги вы поэтапно научитесь создавать проекты машинного обучения с помощью языка Python и библиотек matplotlib, scikit-learn и NumPy.
В конце книги приведен список онлайн-ресурсов, которые будут полезны в изучении и советы куда двигаться дальше в обучении и практике.
5. «Машинное обучение: алгоритмы для бизнеса». Маркос Лопез де Прадо
Один из самых читаемых авторов в области экономики и финансов Маркос Лопес де Прадо интересно рассказывает о том, к чему приведет в скорейшем времени внедрение машинного обучения во многие сферы жизни человека. Предлагаем ознакомиться с ходом «машинной революции» , которая уже началась.
Помимо футуристических предположений автора, здесь описаны алгоритмы машинного обучения, которые он испытывал на практике в области инвестирования на протяжении двадцати лет.
7. «Машинное обучение с использованием библиотеки Н2О». Даррен Кук
Если вам требуется изучить новую открытую библиотеку H2O, тогда эта книга для вас. Довольна легкая в овладении и использовании H2O уже сейчас предлагает свой широкий функционал для машинного обучения.
Читатели отмечают доступный стиль изложения книги и наличие редкой и ценной информации в книге про стекинг, настройку нейронных сетей и глубокое изучение.
9. «Глубокое обучение на Python». Франсуа Шолле
Автор Франсуа Шолле — создатель библиотеки для нейронных сетей под названием Keras — написал книгу целиком посвященную Deep Learning.
В первой части книги приводится теоретическая часть, которая объясняет что такое глубокое обучение, искусственный интеллект и каковы потенциалы их использования. При этом теория написана нескучным и увлекательным языком, которое добавит читателю мотивации в изучении предмета.
Во второй части автор переходит к описанию практических задач, которые можно выполнять по мере чтения этой книги от простого к сложному. Несколько последних глав будут интересны для продвинутого уровня.
В приложении автор дает инструкцию по установке Keras в Ubuntu, а также по запуску Jupyter Notebook на AWS GPU.
11. «Прагматичный ИИ». Ной Гифт
Книга об искусственном интеллекте для разработчиков, аналитиков, архитекторов и широкого круга лиц, которым нужны профессиональные знания в этой области.
Автор книги Ной Гифт — один из известных популяризаторов языка Python.
Издание содержит иллюстрации и приложения полезных материалов.
В первой части книги вас традиционно ждет теория о том, что такое искусственный интеллект и функциональное введение в Python. Затем вы узнаете об инструментах машинного обучения и жизненном цикле искусственного интеллекта.
Во второй части вы переходите к практике создания реальных приложений искусственного интеллекта с нуля, а также описание ИИ в облаке.
13. «Релевантный поиск с использованием Elasticsearch и Solr». Даг Тарнбулл, Джон Берримен
Полезная книга для всех, кто профессионально заинтересован в осуществлении релевантного поиска в приложениях.
Книга незаменима или почти незаменима для бэк-разработчиков, работающих с большими объемами данных и использующих Elasticsearch и Solr. Причем, Elasticsearch посвящена большая часть содержания книги.
Издание написано понятным и небанальным языком, доступно описываются технологии поиска без пропусков информации.
15. «Машинное обучение и TensorFlow». Нишант Шакла
Книга является введением в машинное обучение в TensorFlow, благодаря которой можно научиться базовым алгоритмам, а также задачам классификации, регрессии, кластеризации и прогнозирования.
В книге много примеров, кода, однако мало информации по разбору конкретных функций TensorFlow. Автор большую часть книги посвятил основам архитектуры нейросетевых технологий.
17. «Глубокое обучение на R». Франсуа Шолле
Книга подходит для читателей с опытом программирования на R и по сути является переложением книги Франсуа Шолле «Глубокое обучение на Python» с применением интерфейса R для Keras. Также как и книга про Python, состоит из двух частей: теории и практики.
19. «Построение систем машинного обучения на языке Python». Луис Педро Коэльо, Вилли Ричарт
Книга рассчитана на опытных программистов, аналитиков и всех интересующихся машинным обучением.
После небольшого введения в основы МО, авторы переходят к описанию библиотек NumPy, scikit-learn и SciPy и далее переходят к решению практических задач.
0 Комментарии