Existuje jen málo předmětů ve výpočetní technice tak fascinujících nebo zastrašujících jako strojové učení. Přiznejme si to - strojové učení nemůžete zvládnout za víkend a přinejmenším to vyžaduje dobré pochopení základních matematických principů.
To znamená, že pokud máte matematické kotlety, budete chtít rozšířit používání rámců strojového učení (je z čeho vybírat) s dobrým pochopením teorie, která je za nimi.
Zde je pět vysoce kvalitních, volně čitelných textů, které poskytují úvod a vysvětlení vstupů a výstupů strojového učení. Některé mají příklady kódu, ale většina se zaměřuje na vzorce a teorii; v zásadě je lze použít na libovolný počet jazyků, rámců nebo problémů.
Kurz strojového učení
Podstata:Vysoce čitelný text navržený tak, aby poskytoval extrémně vstřícný přístup k tématu. Kniha je nedokončenou prací - některé části jsou stále označeny TODO - ale co jí chybí v úplnosti, tvoří ji naprostá přístupnost.
Cílová skupina:Každý, kdo má dobrý přehled o počtu, pravděpodobnosti a lineární algebře. Nevyžadují se žádné odborné znalosti v žádném konkrétním jazyce.
Obsah kódu:Nějaký pseudokód; většina prezentovaných konceptů a vzorců.
Prvky statistického učení
Podstata: 500stránkový text, který pokrývá to, co autoři popisují jako „učení se z dat“, procesy využívání statistik, které jsou základem strojového učení. Od roku 2001 prošel dvěma vydáními a 10 tisky, a to z dobrého důvodu - pokrývá obrovské množství území a není omezen na žádné jedno pole.
Cílová skupina:Ti, kteří již mají dobrý základ v matematice a statistikách a nepotřebují velké držení rukou, aby mohli své matematické dovednosti převést do dobrého kódu.
Obsah kódu:Žádný. Toto není text o vývoji softwaru; jde o základní koncepty kolem strojového učení.
Zmíněno v tomto článku
- Kurz strojového učení Další informace o programu Hal Daumé III
- Prvky statistického učení, 2. vyd. Více informací na Stanford University
- Bayesovské uvažování a strojové učení Další informace o Davidu Barberovi
- Gaussovské procesy pro strojové učení Další informace o Gaussových procesech pro strojové učení ...
- Machine Learning Další informace o InTech
Bayesovské uvažování a strojové učení
Podstata: Bayesovské metody stojí za vším možným, od filtrů spamu po rozpoznávání vzorů, takže představují hlavní studijní obor pro strojové učení. Tento text prochází všemi hlavními aspekty Bayesiánské statistiky a tím, jak se vztahují na běžné scénáře strojového učení.
Cílová skupina:Každý, kdo má dobrý přehled o počtu, pravděpodobnosti a lineární algebře.
Obsah kódu: Spousty! Každá kapitola obsahuje jak pseudokód, tak odkazy na sadu skutečných ukázek kódu. To znamená, že kód není v Pythonu nebo R, ale je to kód pro komerční prostředí MATLAB, ačkoli GNU Octave může fungovat jako náhrada open source.
Gaussovské procesy pro strojové učení
Podstata:Gaussovské procesy jsou součástí rodiny analýz používaných bayesovskými metodami. Tento text se zaměřuje na to, jak lze Gaussovy koncepty použít v běžných metodách strojového učení, jako je klasifikace, regrese a trénink modelu.
Cílová skupina:Zhruba to samé jako „Bayesovské uvažování a strojové učení“.
Obsah kódu:Většina kódu obsaženého v knize je pesudocode, ale jako „Bayesian Reasoning and Machine Learning“ obsahují přílohy příklady pro MATLAB / Octave.
Strojové učení
Podstata: Sbírka esejů o různých a vysoce specifických aspektech strojového učení. Některé jsou obecnější a filozofičtější; další se zaměřují na konkrétní problémové domény, například „Metody strojového učení pro simulaci a optimalizaci mluvených dialogů“.
Cílová skupina:Určeno pro laické čtenáře i technicky nakloněné.
Obsah kódu:Prakticky žádný, i když je jich mnoho. Přečtěte si chuť.