5 e-book gratis untuk penguasaan machine learning

Ada beberapa subjek dalam komputasi yang menarik, atau mengintimidasi, seperti pembelajaran mesin. Mari kita hadapi itu - Anda tidak bisa menguasai pembelajaran mesin di akhir pekan, dan setidaknya itu membutuhkan pemahaman yang baik tentang prinsip-prinsip matematika yang mendasarinya.

Meskipun demikian, jika Anda memiliki kemampuan matematika, Anda pasti ingin meningkatkan penggunaan kerangka kerja pembelajaran mesin (ada banyak pilihan) dengan pemahaman yang baik tentang teori di baliknya.

Berikut adalah lima teks berkualitas tinggi dan gratis untuk dibaca yang memberikan pengantar dan penjelasan tentang seluk beluk machine learning. Beberapa memiliki contoh kode, tetapi sebagian besar berfokus pada rumus dan teori; pada prinsipnya, mereka dapat diterapkan ke sejumlah bahasa, kerangka kerja, atau masalah.

Kursus dalam Machine Learning

Intinya:  Teks yang sangat mudah dibaca dirancang untuk memberikan pendekatan yang sangat ramah bagi pemula untuk topik tersebut. Buku ini sedang dalam proses - beberapa bagian masih ditandai TODO - tetapi kekurangannya dalam kelengkapan, membuatnya mudah diakses.

Target audiens:  Siapa saja yang menguasai kalkulus, probabilitas, dan aljabar linier. Tidak diperlukan keahlian dalam bahasa tertentu.

Isi kode:  Beberapa pseudocode; mayoritas yang disajikan adalah konsep dan rumus.

Elemen Pembelajaran Statistik

Intinya:  Teks 500 halaman lebih yang mencakup apa yang penulis gambarkan sebagai "belajar dari data", proses penggunaan statistik yang menjadi dasar untuk pembelajaran mesin. Sudah melalui dua edisi dan 10 cetakan sejak 2001, untuk alasan yang bagus - ini mencakup sejumlah besar wilayah dan tidak terbatas pada satu bidang saja.

Target audiens:  Mereka yang sudah memiliki dasar yang baik dalam matematika dan statistik dan tidak membutuhkan banyak pegangan untuk menerjemahkan keterampilan matematika mereka ke dalam kode yang baik.

Isi kode:  Tidak ada. Ini bukan teks pengembangan perangkat lunak; ini tentang konsep dasar seputar pembelajaran mesin.

Disebutkan dalam artikel ini
  • Kursus dalam Pembelajaran Mesin Pelajari lebih lanjut tentang Hal Daumé III
  • Unsur-unsur Pembelajaran Statistik, 2nd Ed. Pelajari lebih lanjut tentang Universitas Stanford
  • Penalaran Bayesian dan Pembelajaran Mesin Pelajari lebih lanjut tentang David Barber
  • Proses Gaussian untuk Pembelajaran Mesin Pelajari lebih lanjut tentang Proses Gaussian untuk Mesin ...
  • Pembelajaran Mesin Pelajari lebih lanjut tentang InTech

Penalaran Bayesian dan Pembelajaran Mesin

Intinya:  Metode Bayes berada di balik segala hal mulai dari filter spam hingga pengenalan pola, jadi metode Bayes merupakan bidang studi utama bagi pakar pembelajaran mesin. Teks ini menjelaskan semua aspek utama statistik Bayesian, dan bagaimana penerapannya pada skenario umum dalam pembelajaran mesin.

Target audiens:  Siapa saja yang menguasai kalkulus, probabilitas, dan aljabar linier.

Isi kode: Banyak! Setiap bab berisi pseudocode dan tautan ke toolkit demo kode aktual. Meskipun demikian, kode tersebut tidak menggunakan Python atau R, tetapi merupakan kode untuk lingkungan MATLAB komersial, meskipun GNU Octave dapat berfungsi sebagai pengganti sumber terbuka.

Proses Gaussian untuk Pembelajaran Mesin

Intinya:  Proses Gaussian adalah bagian dari keluarga analisis yang digunakan oleh metode Bayes. Teks ini berfokus pada bagaimana konsep Gaussian dapat digunakan dalam metode pembelajaran mesin umum seperti klasifikasi, regresi, dan pelatihan model.

Target audiens:  Hampir sama dengan "Penalaran Bayesian dan Pembelajaran Mesin".

Isi kode:  Sebagian besar kode yang ditampilkan dalam buku ini adalah kode pesudocode, tetapi seperti "Penalaran Bayesian dan Pembelajaran Mesin", lampiran menyertakan contoh untuk MATLAB / Oktaf.

Pembelajaran mesin

Intinya: Kumpulan esai tentang berbagai aspek machine learning yang berbeda dan sangat spesifik. Beberapa lebih umum dan filosofis; yang lain berfokus pada domain masalah tertentu, seperti "Metode Pembelajaran Mesin untuk Simulasi dan Pengoptimalan Dialog Lisan".

Target audiens:  Ditujukan untuk pembaca awam serta yang lebih cenderung secara teknis.

Isi kode:  Hampir tidak ada, meskipun rumusnya berlimpah. Baca untuk rasa.