15 книг по машинному обучению для начинающих

    Сделал подборку книг по Machine Learning для тех, кто хочет разобраться, что да как.
    Добавляйте в закладки и делитесь с коллегами!

    Книги по машинному обучению на русском


    1. «Математические основы машинного обучения и прогнозирования» Владимир Вьюгин.

    О чем

    Сначала изучите азы статистической теории машинного обучения, игр с предсказаниями и прогнозирования с применением экспертной стратегии. Их основы прекрасно объясняет автор книги, доктор физико-математических наук Владимир Вьюгин. Пособие рассчитано на студентов и аспирантов и в доступной форме излагает математические основы, необходимые для дальнейшей работы с машинным обучением.

    2. «Верховный алгоритм» Педро Домингос.

    О чем

    Книга, благодаря которой даже ничего не смыслящие в математике и статистике люди поймут, что такое алгоритмы машинного обучения и каково их применение в жизни. Профессор Педро Домингос рассказывает о пяти основных школах Machine Learning и о том, как они используют идеи из различных областей научного знания — нейробиологии, физики, статистики, биологии, — чтобы помогать людям решать сложные задачи и упрощать рутину с помощью алгоритмов.

    3. «Машинное обучение» Хенрик Бринк, Джозеф Ричардс, Марк Феверолф.

    О чем

    Эта книга 2017 года издания доступно рассказывает о Machine Learning — для тех, кто ничего не слышал об этих технологиях. В ней нет заумной статистики, математики или углубленного и подробного объяснения, как использовать тот или иной алгоритм. Авторы с легкостью объясняют, что такое машинное обучение и как его применять в повседневной жизни. Примеры в книге приводятся на языке программирования Python, который используется в том числе и в этой сфере.

    4. «Крупномасштабное машинное обучение вместе с Python» Бастиан Шарден, Лука Массарон, Альберто Боскетти.

    О чем

    Еще одна отличная книга для начинающих свой путь в программировании и анализе больших данных. Авторы утверждают, что благодаря ей читатель научится самостоятельно строить модели машинного обучения и развертывать крупномасштабные приложения для прогнозирования. В книге рассказывается о том, какие алгоритмы входят в семейство масштабируемых, что они из себя представляют и как с их помощью обрабатывать большие файлы. Также вы узнаете, что такое вычислительная парадигма MapReduce и как работать с машинными алгоритмами на платформах Hadoop и Spark на языке Python.

    5. «Python и машинное обучение» Себастьян Рашка.

    О чем

    Книга для новичков, осваивающих Python и машинное обучение. Издание содержит подробные мануалы даже по таким нюансам, как установка специализированного приложения Jupyter Notebook.

    В книге рассматриваются основы Machine Learning, возможности самых мощных библиотек Python для анализа данных и дается ответ на вопрос, почему этот язык — один из лидеров в Data Science.

    6. «Методы обработки и распознавания изображений лиц в задачах биометрии» Георгий Кухарев, Екатерина Каменская, Юрий Матвеев, Надежда Щеголева

    О чем

    Несмотря на то что эта книга рассчитана на начинающих и знакомит с основными принципами искусственного интеллекта — в частности, технологии распознавания лиц, — для полного понимания терминологии и комфортного погружения в чтение все же требуется некоторый бэкграунд. В ней рассматриваются такие вопросы биометрии, как методы анализа изображений лиц, получение исходных данных из реальных сцен, структуры систем распознавания и другие. Примеры в монографии приводятся на языке машинного обучения MATLAB. Если техническими фоновыми знаниями вы не обладаете, но книгу прочитать все же хочется — незнакомые термины можно гуглить, этого вполне достаточно, чтобы не испытывать при чтении никакого дискомфорта.

    7. «Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных» Петер Флах.

    О чем

    Это цветное издание с иллюстрациями также предназначено для новичков и рассматривает широкие вопросы машинного обучения. По мере погружения читателя в тему автор раскрывает все больше деталей, но книга не слишком сложна для восприятия: вся новая терминология объясняется, а статистические и логические модели описываются понятным неподготовленному читателю языком.

    8. «Обучение с подкреплением» Ричард С. Саттон, Эндрю Г. Барто.

    О чем

    Обучение с подкреплением — это одно из направлений искусственного интеллекта. Кратко и в самом общем виде его суть можно изложить так: машина учится действовать в окружающей среде, нарабатывая интуитивный опыт, а затем наблюдает свои результаты. В книге исчерпывающе излагается концепция обучения с подкреплением — от основополагающих идей до современных достижений в этой сфере.

    Книги по машинному обучению на английском


    Все книги рассчитаны на новичков без опыта работы с технологиями искусственного интеллекта либо специалистов с небольшим техническим бэкграундом. Цель большинства — познакомить с основными принципами, концепциями, идеями и некоторыми алгоритмами машинного обучения.

    9. «Bayesian Reasoning and Machine Learning» David Barber.

    О чем

    Книга Дэвида Барбера написана для студентов и выпускников с минимальными знаниями алгебры и математического анализа — то есть отлично подходит для начала изучения машинного обучения. Как видно по названию, она сосредоточена вокруг байесовского статистического вывода. Книга позволяет развить аналитические навыки и найти новые способы решения проблем в работе с алгоритмами машинного обучения. Каждая глава сопровождается примерами, практическими и теоретическими заданиями.

    10. «Introduction to Machine Learning» Nils J. Nilsson

    О чем

    Эта книга — не учебное пособие, сборник практических задач или теоретических изысканий. Это своеобразный «мостик» от теории к практике машинного обучения. С ее помощью читатель может подготовиться к дальнейшему изучению темы Machine Learning и науки о данных.

    11. «The Elements of Statistical Learning. Data Mining, Inference and Prediction» Trevor Hastie, Robert Tibshirani, Jerome Friedman.

    О чем

    В этом пособии концептуально описываются идеи науки о данных, то есть без сложных математических формул и понятий. В ней множество иллюстративных примеров, которые еще больше раскрывают суть написанного. Охват книги широк: от контролируемого обучения (прогнозирования) до обучения без учителя. Рассматриваемые темы включают нейронные сети, методы опорных векторов, деревья классификации и бустинг. Авторы книги — преподающие профессора, создатели учебных пособий и инструментов интеллектуального анализа данных.

    12. «Machine Learning, Neural and Statistical Classification» D. Michie, D.J. Spiegelhalter, C.C. Taylor.

    О чем

    В этом издании обзорно излагаются основные современные подходы к проблемам классификации: машинное обучение, статистика и нейронные сети. Авторы сравнили эффективность методов по различным показателям и сделали выводы о том, для решения каких коммерческих и промышленных задач каждый из них больше подходит.

    13. «Make Your Own Neural Network» Tariq Rashid.

    О чем

    Преимущество книги — невысокие требования к фоновым математическим знаниям читателя. Даже со школьным курсом в голове вы сможете ее прочесть, понять, освоить основные концепции и научиться программировать собственные алгоритмы распознавания изображений на Python. Все математические идеи в основе устройства нейронных сетей поданы под соусом из большого количества иллюстраций и примеров, что упрощает восприятие.

    14. «Artificial Intelligence: A Modern Approach» Stuart Russell, Peter Norvig.

    О чем

    Учебное пособие для студентов первого курса. Его часто используют в роли введения в Data Science во множестве обучающих университетских программ. Если вам интересно проектирование нейросетей именно для создания искусственного интеллекта, рекомендуем ее как первую книгу на эту тему.

    15. «Learning From Data» Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin.

    О чем

    Книга носит подзаголовок «A short course» и кратко знакомит читателя с основами машинного обучения. Если вы только начали вникать, что происходит в мире Data Science, и прочли несколько статей в интернете, то это идеальный вариант, чтобы разобраться в предмете чуть глубже.
    Поделиться публикацией
    AdBlock похитил этот баннер, но баннеры не зубы — отрастут

    Подробнее
    Реклама

    Комментарии 23

      +3

      Уважаемый Axet, посоветуйте, пожалуйста, какая из этих книг (или других, если есть лучше) подойдёт для вхождения в тему Data Science для человека с нулевым бэкграундом? Гуманитарий, навык программирования = навык DS = 0. Я могу отвечать на вопросы и помогать, но хотелось бы дать человеку книжку, которая бы работала как «несущая»…
      Спасибо

          –6

          Не, такой высокий порог вхождения можно осилить, только если ты студент и тебя иначе из универа выгонят :)
          Нужен более практический подход, типа Data science для чайников. А потом уже теоретический минимум и все такое...

            0

            Практический подход — это обновлённый курс fast.ai

              –2

              Я посмотрел этот сайт, но как я говорил:
              Гуманитарий, навык программирования = навык DS = 0

              0
              Пусть попробует dmkpress.com/catalog/manga/978-5-97060-179-2 и на том же сайте есть «регрессионный анализ». Там хорошая подача материала
                0
                Уважемый Kordamon, со всем уважением, если эти курсы слишком для Вас сложные, то быть может подумайте про другой направлении?
                  –1

                  Со всем уважением, нет, направление вполне нормальное :)


                  Серьезно, ну зачем делать все так сложно?! Даже МФТИ-шная специализация на Курсере гораздо проще, чем предложенный вариант...


                  PS: мопед не конца мой — я не гуманитарий и уже вполне состоявшийся консультант DS :) Так что я знаю о чем говорю в плане порога вхождения...

                    0
                    • мопед не до конца мой
              0

              Если нужны базовые знания и Excel знаком, то поглядите на книгу Джона Формана "Много цифр". Там объяснения на уровне арифметики и электронных таблиц. Понимание появится, но вряд ли вы сможете это использовать для трудоустройства. Все равно потом понадобится учить R или Python.

                0
                Вообще зависит от того, что именно человек хочет изучить. Когда я начал изучать тему DS, то понял, что она просто огромна и всю её не освоить) К примеру, у него могут быть цели: понять как работают нейронные сети; научиться работать в каком-то конкретном фрэймворке; понять, какие типы задач можно решать в этой области и выбрать направление; понять, как можно использовать DS для целей бизнеса… и т.д. А от этого зависит — с каких книг начинать.
                0

                Книга «Make Your Own Neural Network» есть на русском.
                Книгу Вьюгина я бы не назвал доступной — без хорошего знания линейной алгебры, математического анализа и теории вероятностей в ней не разобраться.

                  +1
                  На русском видел 13 (как выше написали) и 14.
                  Создаем нейронную сеть — Тарик Рашид
                  Искусственный интеллект. Современный подход — Рассел С., Норвиг П.
                    +1
                    … правда, не знаю, можно ли найти 14 в бумажном виде, довольно давно выпущена.
                      0

                      В прошлом году видел в магазине, так что, думаю, можно.

                        0
                        www.ozon.ru/context/detail/id/149313896
                        Сейчас читаю электронный вариант. На бумаге что-то дорого. Но в продаже найти можно.
                          +1
                          У меня есть, читал давно, там больше про алгоритмы и логику, про нейронки как то минимум. Тот же 13 Andrew NG даст больше информации по для вхождения.
                        +1
                        №3 в электронном виде можно почти в 3 раза дешевле купить на сайте издательства.
                        И в целом по МО, глубокому обучению и данной теме у издательства Питер есть что предложить. Можно искать по ключевым словам на сайте или просто смотреть в разделе «Компьютерная литература».
                          +3

                          Странно, что не упомянули книгу Сергея Николенко "Глубокое обучение".

                            0

                            Да, имхо, лучшая книга по глубокому обучению на русском. Постоянно рекомендую студентам.

                            +1
                            А вот недавно на Хабре обсуждали интересную книгу: habr.com/ru/company/piter/blog/464509, не увидел в списке
                              +1
                              Забавно, что хаб «Машинное обучение» при этом и не указан :)
                                +1
                                автор поста сам что из этого прочитал?

                                Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

                                Самое читаемое