Zato ni presenečenje, da toliko ljudi razmišlja o vstopu v fascinanten svet računalniških algoritmov, ki se samodejno izboljšujejo z izkušnjami. Če ste med njimi - ali če želite le pogledati mimo hype in razumeti, za kaj gre v resnici za strojno učenje, vam lahko naš izbor 20 najboljših učbenikov strojnega učenja pomaga doseči svoje cilje.
Umetna inteligenca: sodoben pristop (4. izdaja) avtorjev Peter Norvig in Stuart J. Russell
Na voljo: na Amazon
Objavljeno: 2020
Število strani: 1136
Odločitev, pri katerem učbeniku za strojno učenje naj začne, ni bilo težko, ker umetna inteligenca: sodoben pristop študentom priporočajo univerze po vsem svetu. Zdaj v svoji 4th izdaja, knjiga odlično ustvarja področje umetne inteligence (strojno učenje je podskupina umetne inteligence) za začetnike, zajema pa tudi široko paleto sorodnih raziskovalnih tem in nudi koristne reference za nadaljnji študij. Po mnenju avtorjev bi moral ta velik učbenik trajati približno dva semestra, zato ne pričakujte, da bo na hitro prebran.
Prepoznavanje vzorcev in strojno učenje Christopher M. Škof
Na voljo: na Amazon
Objavljeno: 2011
Število strani: 738
Lahko si omislite prepoznavanje vzorcev in strojno učenje Christopherja M. Bishop kot nežen (vsaj kar zadeva učbenike strojnega učenja) uvodni tečaj strojnega učenja. Učbenik vključuje več kot 400 vaj, ki so razvrščene glede na njihove zahtevnosti, veliko več dodatnega gradiva pa je na voljo na njegovi spletni strani. Samo ne pričakujte, da boste znali uporabiti teorijo, ki jo učitelj uči, ko pridete na zadnjo stran - za to obstajajo še druge knjige.
Globoko učenje Goodfellowa et. al
Na voljo: na Amazon
Objavljeno: 2016
Število strani: 800
Če bi Elona Muska prosili, naj vam priporoči knjigo o strojnem učenju, bi to priporočil on. Nekoč reče, da je globoko učenje edina celotna knjiga na to temo. Knjiga zajema vse od matematičnega in konceptualnega ozadja do vodilnih tehnik globokega učenja in najnovejših raziskovalnih perspektiv. Priporočamo, da dobite elektronsko različico, ker je globoko učenje razvpito zaradi slabe kakovosti tiska.
Elementi statističnega učenja: pridobivanje podatkov, sklepanje in napoved, druga izdaja Hastie, Tibshirani in Friedman
Na voljo: na Amazon
Objavljeno: 2016
Število strani: 767
Naj vas naslov tega učbenika ne ustraši. Če želite resnično razumeti strojno učenje in ga uporabiti za reševanje težkih problemov, se morate navaditi na branje učbenikov, ki se vam ne zdijo zelo dostopni. Čeprav ima učbenik odločno statističen pristop, vam za branje ni treba biti statistik, ker bolj poudarja pojme kot matematiko.
Praktično strojno učenje s Scikit-Learn, Keras in TensorFlow: koncepti, orodja in tehnike za izgradnjo inteligentnih sistemov (2nd Edition) avtorja Aurélien Géron
Na voljo: na Amazon
Objavljeno: 2019
Število strani: 856
Scikit-Learn, Keras in TensorFlow so tri priljubljene knjižnice strojnega učenja, ta učbenik pa se osredotoča na to, kako jih je mogoče uporabiti za ustvarjanje programov strojnega učenja, ki rešujejo dejanske težave. Zahvaljujoč začetnikom prijaznosti teh knjižnic je za branje tega učbenika potrebno minimalno teoretično znanje, zato je odličen za tiste, ki bi radi intuitivno razumeli strojno učenje z izgradnjo nečesa koristnega.
Razumevanje strojnega učenja: od teorije do algoritmov Shai Shalev-Shwartz in Shai Ben-David
Na voljo: na Amazon
Objavljeno: 2014
Število strani: 410
Do številnih učbenikov o strojnem učenju je težko priti, ker se njihovi avtorji ne morejo postaviti na čela nekoga novega, a tega ne. Razumevanje strojnega učenja se začne z jasnim uvodom v statistično strojno učenje. Nato teoretične koncepte poveže s praktičnimi algoritmi, ne da bi bil ne preveč beseden ne preveč nejasen. Ne glede na to, ali želite osvežiti svoje znanje ali se odpraviti na vseživljenjsko pot v industriji, ne oklevajte in si vzemite v roke ta učbenik.
Strojno učenje: verjetnostna perspektiva, Kevin P. Murphy
Na voljo: na Amazon
Objavljeno: 2012
Število strani: 1104
Kot je razvidno iz naslova te knjige, se ta uvod v strojno učenje opira na verjetnostne modele za odkrivanje vzorcev v podatkih in njihovo uporabo za napovedovanje prihodnjih podatkov. Knjiga je napisana v prijetnem, neformalnem slogu in odlično uporablja ilustracije in primere iz prakse. Modele, ki jih opisuje, smo izvedli s pomočjo orodja za verjetnostno modeliranje, ki je programski paket MATLAB, ki ga lahko prenesete z interneta. Na žalost komplet orodij ni več podprt, ker bo nova različica te knjige namesto tega uporabljala Python.
Teorija informacij, sklepanje in algoritmi učenja David J. C. MacKay
Na voljo: na Amazon
Objavljeno: 2003
Število strani: 640
Da, ta učbenik je izšel pred skoraj 20 leti, vendar danes zaradi tega ni nič manj pomemben. Navsezadnje strojno učenje ni skoraj tako mlado, kot bi lahko nakazoval nedavni hype okoli njega. Kaj naredi Teorija informacij, sklepanje in algoritmi učenja David J. C. Tako brezčasen je njegov multidisciplinarni pristop, ki zagotavlja obilne povezave med različnimi področji. Sama po sebi ni zelo uporabna, ker nima dovolj praktičnih primerov, se pa odlično obnese kot uvodni učbenik.
Uvod v statistično učenje: z aplikacijami v R avtorja Gareth M. James, Trevor Hastie, Daniela Witten in Robert Tibshirani
Na voljo: na Amazon
Objavljeno: 2013
Število strani: 440
Uvod v statistično učenje si lahko predstavljate kot bolj dostopno alternativo elementom statističnega učenja, ki zahteva napredno znanje matematične statistike. Če želite končati ta učbenik, bi morali biti popolnoma v redu z diplomo iz matematike ali statistike. Na svojih 440 straneh avtorji nudijo pregled področja statističnega učenja in predstavljajo pomembne tehnike modeliranja in predvidevanja, skupaj s svojimi aplikacijami.
Knjiga o strojnem učenju na sto straneh Andrija Burkova
Na voljo: na Amazon
Objavljeno: 2019
Število strani: 160
Medtem ko je večina učbenikov, naštetih v tem članku, bližje tisoč stranem, ta tanka knjiga, ki se je začela kot izziv na LinkedInu, na približno sto straneh razloži veliko. Eden od razlogov, zakaj je knjiga o stostranskem učenju postala takojšen hit, je njen preprost jezik, kar je dobrodošel odmik od trdih akademskih člankov. To knjigo priporočamo programskim inženirjem, ki verjamejo, da bi lahko uporabili razpoložljiva orodja za strojno učenje, vendar ne vedo, kje začeti. Kljub temu lahko v knjigi uživa vsak, ki ga zanima strojno učenje, ker poudarja koncepte kot kodo.
Uvod v strojno učenje s Pythonom: Vodnik za podatkovne znanstvenike avtor Andreas C. Müller in Sarah Guido
Na voljo: na Amazon
Objavljeno: 2016
Število strani: 400
Če tekoče obvladate Python in bi radi začeli s strojnim učenjem z oblikovanjem praktičnih rešitev za resnične probleme, je to prava knjiga za vas. Ne, ne boste se naučili preveč teorije, toda vsi temeljni pojmi so dobro zajeti, ostalo pa je še veliko drugih knjig. Če želite kar najbolje izkoristiti Uvod v strojno učenje s Pythonom, bi morali vsaj malo poznati knjižnici NumPy in matplotlib.
Uporabljeno napovedno modeliranje Max Kuhna in Kjella Johnsona
Na voljo: na Amazon
Objavljeno: 1. izd. 2013, popravek. 2. tisk 2018
Število strani: 613
Ta učbenik ponuja uvod v napovedne modele, ki uporabljajo podatke in statistiko za napovedovanje rezultatov s podatkovnimi modeli. Začne se z obdelavo podatkov in nadaljuje s sodobnimi tehnikami regresije in klasifikacije, pri čemer vedno poudari resnične težave s podatki. Vse modele, ki so razloženi v knjigi, lahko enostavno implementirate s priloženo kodo R, ki natančno prikazuje, kaj morate storiti, da dobite delujočo rešitev.
Globoko učenje s Pythonom Françoisa Cholleta
Na voljo: na Amazon
Objavljeno: 2017
Število strani: 384
Morda ste že seznanjeni z avtorjem tega učbenika za strojno učenje, ker je odgovoren za odprtokodno knjižnico nevronskih mrež z imenom Keras, verjetno najbolj priljubljeno knjižnico strojnega učenja, napisano v Pythonu. Glede na te informacije in naslov učbenika vas ne bi smelo presenetiti, ko boste izvedeli, da je to najboljši razpoložljivi tečaj Keras. Praktične tehnike imajo prednost pred teorijo, vendar to samo pomeni, da lahko izpopolnjene naloge strojnega učenja rešite v samo nekaj tednih.
Strojno učenje Toma M. Mitchell
Na voljo: na Amazon
Objavljeno: 1997
Število strani: 414
Ta knjiga, objavljena leta 1997, predstavlja vse vrste algoritmov strojnega učenja v jeziku, ki bi ga morali razumeti vsi diplomanti CS. Če ste tip človeka, ki mora dobro razumeti določeno temo, preden se počuti globoko vanjo, vam bo všeč, kako so predstavljene informacije v tej knjigi. Samo ne pričakujte strojnega učenja Toma M. Mitchella kot praktičnega vodiča, ker naj to ne bi bila ta knjiga.
Gradnja aplikacij s pomočjo strojnega učenja: od ideje do izdelka Emmanuela Ameisena
Na voljo: na Amazon
Objavljeno: 2020
Število strani: 260
Eno je razumeti modele strojnega učenja, nekaj povsem drugega pa je vedeti, kako jih spraviti v proizvodnjo. Ta razmeroma tanka knjiga Emmanuela Ameisena pojasnjuje prav to, ki vas vodi skozi vse korake postopka, od začetne ideje do uvedenega izdelka. Graditi aplikacije s strojnim učenjem lahko priporočamo nadobudnim znanstvenikom in inženirjem ML, ki so teorijo sicer obvladali, vendar je še niso uporabili v industriji.
Okrepitveno učenje: uvod (2. izdaja) Richarda S. Sutton, Andrew G. Barto
Na voljo: na Amazon
Objavljeno: 2018
Število strani: 552
Okrepitveno učenje je področje strojnega učenja, ki se ukvarja z usposabljanjem modelov strojnega učenja za ukrepanje v zapletenem, negotovem okolju, da bi povečali skupni znesek prejete nagrade. Če se vam to zdi zanimivo, ne oklevajte z nakupom te knjige, ker je splošno znano, da gre za Biblijo. Druga izdaja vključuje številne pomembne strukturne in vsebinske spremembe, zato poglejte, če je le mogoče.
Učenje iz podatkov Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin.
Na voljo: na Amazon
Objavljeno: 2012
Število strani: 213
Učenje iz podatkov je kratek, a razmeroma popoln uvod v strojno učenje in njegove praktične uporabe v financah, trgovini, znanosti in inženirstvu. Knjiga temelji na več kot desetletju učnega gradiva, ki so ga avtorji preoblikovali v izbor temeljnih tem, ki bi jih morali razumeti vsi, ki jih zadeva zanima. Odlično je za začetnike, ki nimajo veliko časa za preučevanje teorije strojnega učenja, še posebej, če jih berejo skupaj z Yaserjevo serijo predavanj na YouTubu.
Nevronske mreže in globoko učenje: učbenik Charu C. Aggarwal
Na voljo: na Amazon
Objavljeno: 2018
Število strani: 497
Nevronske mreže so eden od načinov strojnega učenja in ta učbenik vam lahko pomaga razumeti teorijo, ki stoji za njimi. Tako kot strojno učenje na splošno je tudi ta knjiga matematično intenzivna, zato ne pričakujte, da boste prišli predaleč, če je vaša matematika zarjavela. Kljub temu avtor odlično opravi razlago matematike vseh podanih primerov in bralca popelje skozi različne zapletene scenarije.
Strojno učenje za absolutne začetnike: preprost uvod v angleščino (2nd Edition) avtor Oliver Theobald
Na voljo: na Amazon
Objavljeno: 2017
Število strani: 157
Če vas zanima strojno učenje, vendar vam ni nujno, da berete dolge učbenike na to temo, boste morda raje to knjigo, prijazno do začetnikov, ki nudi praktičen in na visoki ravni uvod v strojni jezik v preprosti angleščini. Do konca te knjige boste vedeli, kako predvideti hišne vrednosti s pomočjo vašega prvega modela strojnega učenja, ustvarjenega v Pythonu.
Generativno globoko učenje: poučevanje strojev za barvanje, pisanje, sestavljanje in igranje Davida Fosterja
Na voljo: na Amazon
Objavljeno: 2019
Število strani: 330
Veliko je bilo napisanega in povedanega o generativnih kontradiktornih omrežjih (GAN), eni najbolj vročih tem na področju strojnega učenja danes. Če želite razumeti, kako oni in drugi generativni modeli globokega učenja delujejo pod pokrovom, je ta knjiga Davida Fosterja odlično izhodišče, če imate izkušnje s kodiranjem v Pythonu.