Ми підготували список літератури для початківців за напрямом Machine Learning у колоборації з Одеським ком’юніті Odyssey.
- Machine Learning For Absolute Beginners: A Plain English Introduction by Oliver Theobal
- The Hundred-Page Machine Learning Book by Andriy Burkov
- Python Machine Learning by Sebastian Raschka
- Machine Learning in Action by Peter Harrington
- Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville
1. Machine Learning For Absolute Beginners: A Plain English Introduction by Oliver Theobal
Чудово підійде для знайомства з основами машинного навчання.
У цій книзі ви дізнаєтесь про:
- методи очищення даних, у тому числі одноразове кодування, збирання та обробка відсутніх даних
- підготовку даних для аналізу, включаючи k-кратну перевірку
- регресійний аналіз для створення ліній тренду
- кластеризацію, включаючи кластеризацію k-середніх, для пошуку нових зв’язків
- основи нейронних мереж
- зміщення/дисперсію для покращення моделі машинного навчання
- як створити свою першу модель машинного навчання для прогнозування вартості будинку за допомогою Python
2. The Hundred-Page Machine Learning Book by Andriy Burkov
Компактна й змістовна книга, що охоплює важливі принципи, методи й підходи машинного навчання.
У цій книзі ви дізнаєтесь про:
- нейронні мережі
- ансамблеві методи
- градієнтний спуск,
- кластерний аналіз і зменшення розмірності
- автокодери та трансферне навчання
- розробка функцій і налаштування гіперпараметрів
3. Python Machine Learning by Sebastian Raschka
Допоможе вам заглибитися в галузь завдяки вдалому поєднанню теорії та практики.
У цій книзі ви дізнаєтесь про:
- ключові основи науки про дані машинного навчання
- потужність новітніх бібліотек Python з відкритим кодом у машинному навчанні
- методи машинного навчання, використовуючи складні дані реального світу
- реалізацію глибокої нейронної мережі за допомогою бібліотеки TensorFlow 1.x
- механіку алгоритмів класифікації, щоб реалізувати найкращий інструмент для роботи
- приховані закономірності та структури в даних за допомогою кластеризації
4. Machine Learning in Action by Peter Harrington
Більш поглиблена книга з гарним поєднанням теорії й практичних прикладів.
У цій книзі ви дізнаєтесь про:
- приклади, що показують поширені завдання ML
- повсякденний аналіз даних
- реалізацію класичних алгоритмів, таких як Apriori та Adaboos
5. Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville
Фундаментальна й широко рекомендована книга по нейронним мережам.
У цій книзі ви дізнаєтесь про:
- основи прикладної математики та машинного навчання
- сучасні практичні глибинні мережі
- послідовне моделювання: рекурентні та рекурсивні мережі
- методи Монте-Карло
Якщо англійська мова є для вас перешкодою, то частину цих матеріалів можна знайти в перекладі, проте ми дуже вам радимо окрім науки про дані вивчати англійську, адже це надасть вам ряд переваг: від доступу до куди ширшого вибору матеріалів до переваги у працевлаштуванні й роботі.
