Форум программистов, компьютерный форум, киберфорум
Наши страницы
Искусственный интеллект
Войти
Регистрация
Восстановить пароль
 
Рейтинг 4.62/13: Рейтинг темы: голосов - 13, средняя оценка - 4.62
nbit
0 / 0 / 0
Регистрация: 28.10.2011
Сообщений: 7
1

Книги и учебные ресурсы по машинному обучению

27.06.2017, 02:47. Просмотров 2432. Ответов 5

Список книг, видео и курсов по машинному обучению и математике, всё на русском языке. Большая, качественная подборка. Почти все pdf'ки книг гуглятся.
ссылка удалена
0
Similar
Эксперт
41792 / 34177 / 6122
Регистрация: 12.04.2006
Сообщений: 57,940
27.06.2017, 02:47
Ответы с готовыми решениями:

Учебные ресурсы
я бы хотел посоветоваться. я хочу изучать it и у меня такой вопрос - какие направления и учебные...

Книги/учебники/ресурсы
Интересует литература в которой описаны сами принципы устройства оси, система каталогов, консоль и...

Книги и ресурсы по Microsoft XNA
▐ Книги по XNA: Бенджамин Ницчке - Создание приложений на XNA (онлайн версия) С.Г. Горнаков -...

Посоветуйте книги и ресурсы по основам ООП
Уже которую неделю пытаюсь разобраться в ООП, перерыл кучу книг, сайтов.. просмотрел кучу...

Нужны книги и ресурсы по изучению VBA
Доброго Времени форумчане! Скинте книги плиз (ссылки) для начинающих, хочу по больше узнать про...

5
insideone
27.06.2017, 20:28
  #2

Не по теме:

Ссылки на сторонние форумы запрещены. Тем не менее можно продублировать тоже сообщение здесь

0
Shamil1
Модератор
2257 / 1540 / 351
Регистрация: 26.03.2015
Сообщений: 5,478
28.06.2017, 14:02 3
Топ лучших бесплатных книг по машинному обучению:
  • The Elements of Statistical Learning: Data Mining, Inference, and Prediction. В этой книге авторы попытались объединить много важных новых идей, связанных со статистическим обучением. Хотя в книге не хватает математических деталей, авторы неплохо объясняют именно основы концептов. Книга пригодится не только специалистам по статистике, но и людям, работающим в смежных областях.
  • Introduction To Machine Learning. Цель этой книги — введение в индуктивное логическое программирование, раздел науки на стыке машинного обучения и логического программирования. Книга будет полезна тем, кто изучает принципы работы с базами данных, дата-инжиниринг, ИИ, машинное обучение и логическое программирование.
  • Reinforcement Learning: An Introduction. Обучение с подкреплением — это один из способов машинного обучения, в ходе которого испытуемая система взаимодействует с некоторой средой и стремится получить максимальную награду за свои действия. В этой книге разбираются ключевые аспекты этого вида обучения, его история и сферы применения. Порогом вхождения в эту книгу является лишь базовый уровень знания принципов вероятностной модели.
  • Information Theory, Inference, and Learning Algorithms. В этой книге рассказывается о теории информации и о статистическом выводе. Эти темы лежат в основе таких областей современной науки, как коммуникация, теория обработки сигналов, data mining, машинное обучение, биоинформатика, криптография и многих других. Авторы удачно сочетают теоретические объяснения с практическими примерами и заданиями.
  • Gaussian Processes for Machine Learning. Эта книга посвящена гауссовским процессам и вопросу обучения с учителем. В книге приведено много алгоритмов, также разбираются сферы применения ГП в машинном обучении и статистике, например, в методе опорных векторов, нейронных сетях, сплайнах и прочем.
  • Bayesian Reasoning and Machine Learning. Эта книга пригодится студентам старших курсов с небольшим багажом знаний по линейной алгебре и матанализу. Материал в книге идёт от простого к сложному, используются графические модели.
  • A Course in Machine Learning. В этой книге приведен набор вводных материалов по большинству основных аспектов машинного обучения (обучение с учителем и без учителя, вероятностное моделирование, теория обучения и т.д.).
  • Machine Learning, Neural and Statistical Classification. Цель этой книги — рассказать о современных подходах к классификации. Они сравниваются по производительности и областям применения в реальных случаях. Как видно из названия, таких подходов три: статистический метод, метод машинного обучения и метод нейронных сетей.
  • Introduction To Machine Learning. В этой книге рассматриваются многие важные вопросы машинного обучения с 2006 года. Это и не учебник, и не задачник: цель книги — подготовить читателя к дальнейшему освоению этой темы.

Добавлено через 6 минут
Для тех, кто хочет на русском языке почитать:
  1. Петер Флах Машинное обучение
  2. Джеймс Г., Уиттон Д., Хасти Т., Тибширани Р. Введение в статистическое обучение с примерами на языке R
  3. Себастьян Рашка Python и машинное обучение
  4. Хенрик Бринк, Джозеф Ричардс Машинное обучение
  5. Хараламбос Марманис, Дмитрий Бабенко Алгоритмы интеллектуального Интернета. Передовые методики сбора, анализа и обработки данных
  6. К. В. Воронцов. Математические методы обучения по прецедентам (теория обучения машин)
  7. Мерков А.Б. Введение в методы статистического обучения
  8. Аркадий Гелиг, Алексей Матвеев Введение в математическую теорию обучаемых распознающих систем и нейронных сетей. Учебное пособие
  9. Мерков А.Б. Построение и обучение вероятностных моделей
  10. Ричарт В., Коэльо П.Л. Построение систем машинного обучения на языке Python
  11. Вьюгин В. Математические основы машинного обучения и прогнозирования
  12. Червоненкис А.Я. Теория обучения машин
  13. Ричард С. Саттон, Эндрю Г. Барто Обучение с подкреплением
  14. Андреас Мюллер, Сара Гвидо Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными
  15. Дэви Силен, Арно Мейсман Основы Data Science и Big Data. Python и наука о данных
  16. Лепский А.Е., Броневич А.Г. Математические методы распознавания образов: Курс лекций
  17. В. И. Донской Алгоритмические модели обучения классификации:обоснование, сравнение, выбор
  18. Местецкий Л.М. Математические методы распознавания образов Курс лекций
  19. Кристофер Д. Маннинг, Прабхакар Рагхаван Введение в информационный поиск
  20. Юре Лесковец, Ананд Раджараман Анализ больших наборов данных источник, оглавление и отрывки из глав
  21. Шлезингер М.И. Десять лекций по статистическому и структурному распознаванию образов

Добавлено через 6 минут
Для тех, кто хочет на русском языке посмотреть:
  • Высшая школа экономики «Введение в машинное обучение» источник Coursera
  • Специализация Машинное обучение и анализ данных включающая себя 6 курсов : источник Coursera
  • Видеолекции курса «Машинное обучение» от Школы анализа данных Яндекса источник на яндексе или источник на ютубе
  • Специализация Анализ Данных от Stepik (часть курсов из этой специализации отображена тут)
  • Курс от Stepik Нейронные сети источник
  • Видеолекциии (13шт.) Введение в анализ данных источник Mail.ru
  • Видеолекциии (1 семестр) Data Minig источник Mail.ru
  • Видеолекциии (2 семестр) Data Minig источник Mail.ru
  • Computer Science Center Машинное обучение, часть 1 (осень 2016) источник ютуб
  • Computer Science Center Машинное обучение, часть 2 (весна 2017) источник ютуб
  • Data Mining in Action 10 лекций по ML источник ютуб
  • Компьютерные науки Тренировки Machine Learning источник ютуб здесь люди делятся своим реальным опытом в ML
  • Высшая школа экономики, курс Линейная алгебра источник Coursera
  • Лекториум Линейная алгебра и аналитическая геометрия источник ютуб
  • МФТИ, курс Теория вероятностей для начинающих источник Coursera
  • МФТИ, курс Математика для всех источник Coursera
  • Курс от Stepik Основы статистики часть1,часть2, часть3
  • Курс от Stepik Математическая статистика источник
  • Курс от Stepik Введение в дискретную математику источник
  • Курс от Stepik Ликбез по дискретной математике источник
  • Курс от Stepik Введение в математический анализ источник
  • Курс от Stepik Математический анализ часть1, часть2
  • Курс от Stepik Анализ данных в R часть1, часть2
  • Computer Science Center Анализ данных на R в примерах и задачах (весна 2016) источник ютуб
  • Computer Science Center Анализ данных на R в примерах и задачах, часть 2 (весна 2017) источник ютуб
  • Канал на ютубе Основы анализа данных источник
  • KhanAcademyRussian Теор. вероятн-ей и комбинаторика источник ютуб
  • Алгебра (133видео) источник KhanAcademyRussian

Добавлено через 3 минуты
Прежде чем заниматься конкретно машинным обучением, рекомендую всё же ознакомится с книгами
  • Стюарт Рассел, Питер Норвиг Искусственный интеллект. Современный подход источник
  • Джордж Ф. Люгер Искусственный интеллект. Стратегии и методы решения сложных проблем источник
таким образом у вас сформируется более четкое понимание предметной области машинного обучения и сильно расширит ваш кругозор. Нейронные сети занимают важную позицию в машинном обучении, поэтому стоит ознакомится с книгой
  • Саймон Хайкин Нейронные сети. Полный курс источник
Так же вы должны уметь производить предварительный анализ данных, что бы понять, какие методы машинного обучения можно применить к вашему набору данных или как его лучше подготовить, в этом вам помогут следующие книги:
  • Борис Миркин Введение в анализ данных. Учебник и практикум источник
  • Марина Архипова, Татьяна Дуброва Анализ данных. Учебник источник
  • Загоруйко Н.Г. Прикладные методы анализа данных и знаний источник
  • Мостеллер Ф., Тьюки Дж. Анализ данных и регрессия источник
  • Рубан А.И. Методы анализа данных
  • Уэс Маккинни Python и анализ данных источник (практика)
  • Роберт И. Кабаков R в действии. Анализ и визуализация данных на языке R источник (практика)
Вы должны знать хорошо математику (в особенности линейную алгебру), статистику, теорию вероятностей, дискретную математику. Я например неважно знаю математику и мне очень тяжело читать стандартные учебники, рассчитанные на то, что преподаватель сможет разжевать скупое описание формулы, поэтому для легкого порога вхождения рекомендую следующие книги (от основ и выше):
  • Стивен Х. Строгац Удовольствие от x. Увлекательная экскурсия в мир математики от одного из лучших преподавателей в мире источник
  • Юрий Шиханович Введение в современную математику. Начальные понятия источник
  • Рональд Л. Грэхем, Дональд Эрвин Кнут Конкретная математика. Математические основы информатики источник
  • Юрий Пухначев Математика без формул книга1, книга2
  • Риxард Курант, Герберт Роббинс Что такое математика? источник
  • Тарасов Л.В. Азбука математического анализа. Беседы об основных понятиях. Учебное пособие источник

Потом уже можно браться за стандартный учебник математического анализа
  • Фихтенгольц Г.М. Основы математического анализа. источник (это один из немногих классических учебников, где например хорошо разжевано понятие производной, поверьте, я многих сравнивал).
Статистика, теория вероятностей:
  • Гнеденко Б.В., Хинчин А.Я. Элементарное введение в теорию вероятностей источник
  • Сара Бослаф Статистика для всех источник
  • Чарльз Уилан Голая статистика. Самая интересная книга о самой скучной науке источник
5
JudFai
15 / 15 / 1
Регистрация: 05.04.2013
Сообщений: 94
Завершенные тесты: 1
23.07.2018, 10:04 4
Посоветуйте русскую книгу по свёрточным нейронным сетям!
0
Mikhaylo
205 / 192 / 24
Регистрация: 20.09.2014
Сообщений: 1,384
23.07.2018, 17:25 5
Ютуб. Антон Конушин. Компьютерное зрение.
1
u4en1k
58 / 55 / 11
Регистрация: 04.04.2018
Сообщений: 266
30.08.2018, 12:51 6
Если кто-то уже покупал книги, можете пожалуйста поделиться?
0
30.08.2018, 12:51
MoreAnswers
Эксперт
37091 / 29110 / 5898
Регистрация: 17.06.2006
Сообщений: 43,301
30.08.2018, 12:51

Книги или ресурсы ASP.NET MVC
Тыкал два первых ресурса в поисковике и... это вообше капец нечитается и много текста... Любое...

Подскажите хорошие книги (ресурсы) по jquery и javascript
У меня возник вопрос. Подскажите хорошие обчалки по jquery и javascript. Основная цель научится...

Посоветуйте книги или интернет ресурсы по веб-разработке
Доброго времени суток! Хочется почитать действительно хорошие книги по веб-разработке. Посмотрел и...


Искать еще темы с ответами

Или воспользуйтесь поиском по форуму:
6
Ответ Создать тему
Опции темы

КиберФорум - форум программистов, компьютерный форум, программирование
Powered by vBulletin® Version 3.8.9
Copyright ©2000 - 2019, vBulletin Solutions, Inc.
Рейтинг@Mail.ru