5 e-buku percuma untuk penguasaan pembelajaran mesin

Terdapat beberapa subjek dalam pengkomputeran yang menarik, atau menakutkan, seperti pembelajaran mesin. Mari kita hadapi - anda tidak dapat menguasai pembelajaran mesin pada hujung minggu, dan sekurang-kurangnya ia memerlukan pemahaman yang baik mengenai prinsip matematik yang mendasari.

Walaupun begitu, jika anda mempunyai matematik, anda pasti ingin meningkatkan penggunaan kerangka pembelajaran mesin (terdapat banyak pilihan) dengan pemahaman yang baik mengenai teori di sebalik itu.

Berikut adalah lima teks berkualiti tinggi dan bebas untuk dibaca yang memberikan pengenalan dan penjelasan mengenai selok-belok pembelajaran mesin. Ada yang mempunyai contoh kod, tetapi kebanyakan menumpukan pada formula dan teori; pada prinsipnya, mereka dapat diterapkan pada sejumlah bahasa, kerangka kerja, atau masalah.

Kursus dalam Pembelajaran Mesin

Inti:  Teks yang sangat mudah dibaca yang direka untuk memberikan pendekatan yang sangat mesra pemula untuk topik ini. Buku ini masih dalam proses - beberapa bahagian masih bertanda TODO - tetapi kekurangannya, buku ini dapat dicapai dengan mudah.

Penonton sasaran:  Sesiapa yang mempunyai kalkulus, kebarangkalian, dan aljabar linear yang baik Tidak diperlukan kepakaran dalam bahasa tertentu.

Kandungan kod Beberapa pseudokod; majoriti yang dikemukakan adalah konsep dan formula.

Elemen Pembelajaran Statistik

Inti:  Teks 500 halaman ditambah yang merangkumi apa yang penulis gambarkan sebagai "belajar dari data," proses menggunakan statistik yang menjadi asas untuk pembelajaran mesin. Sudah melalui dua edisi dan 10 cetakan sejak tahun 2001, untuk alasan yang baik - ia merangkumi sejumlah besar wilayah dan tidak terhad kepada satu bidang.

Penonton sasaran:  Mereka yang sudah mempunyai asas yang baik dalam matematik dan statistik dan tidak memerlukan banyak pegangan tangan untuk menterjemahkan kemahiran matematik mereka menjadi kod yang baik.

Kandungan kod:  Tiada. Ini bukan teks pengembangan perisian; ini mengenai konsep asas di sekitar pembelajaran mesin.

Disebutkan dalam artikel ini
  • Kursus dalam Pembelajaran Mesin Ketahui lebih lanjut mengenai Hal Daumé III
  • Elemen Pembelajaran Statistik, Edisi ke-2. Ketahui lebih lanjut mengenai Universiti Stanford
  • Bayesian Reasoning and Machine Learning Ketahui lebih lanjut mengenai David Barber
  • Proses Gaussian untuk Pembelajaran Mesin Ketahui lebih lanjut mengenai Proses Gaussian untuk Mesin ...
  • Pembelajaran Mesin Ketahui lebih lanjut mengenai InTech

Penaakulan Bayesian dan Pembelajaran Mesin

Inti:  Kaedah Bayesia berada di belakang segalanya dari penapis spam hingga pengecaman corak, jadi kaedah ini merupakan bidang kajian utama untuk mesin pembelajaran mesin. Teks ini membahas semua aspek utama statistik Bayesian, dan bagaimana ia berlaku untuk senario biasa dalam pembelajaran mesin.

Penonton sasaran:  Sesiapa yang mempunyai kalkulus, kebarangkalian, dan aljabar linear yang baik

Kandungan kod: Banyak! Setiap bab mengandungi pseudocode dan pautan ke toolkit demo kod sebenar. Yang mengatakan, kod tersebut tidak ada di Python atau R, tetapi adalah kod untuk persekitaran MATLAB komersial, walaupun GNU Octave dapat berfungsi sebagai pengganti sumber terbuka.

Proses Gaussian untuk Pembelajaran Mesin

Inti:  Proses Gauss adalah sebahagian daripada keluarga analisis yang digunakan oleh kaedah Bayesian. Teks ini memfokuskan pada bagaimana konsep Gaussian dapat digunakan dalam kaedah pembelajaran mesin umum seperti klasifikasi, regresi, dan latihan model.

Penonton sasaran:  Kira-kira sama dengan "Bayesian Reasoning and Machine Learning."

Kandungan kod:  Sebilangan besar kod yang terdapat dalam buku ini adalah pesudocode, tetapi seperti "Bayesian Reasoning and Machine Learning," lampiran termasuk contoh untuk MATLAB / Octave.

Pembelajaran Mesin

Inti: Kumpulan esei mengenai aspek pembelajaran mesin yang berbeza dan sangat spesifik. Ada yang lebih umum dan berfalsafah; yang lain tertumpu pada domain masalah tertentu, seperti "Kaedah Pembelajaran Mesin untuk Simulasi dan Pengoptimuman Dialog Lisan."

Penonton sasaran:  Ditujukan untuk pembaca awam dan juga yang cenderung secara teknikal.

Kandungan kod:  Hampir tidak ada, walaupun formula berlimpah. Baca untuk rasa.