Υπάρχουν λίγα θέματα στην πληροφορική τόσο συναρπαστικά, είτε εκφοβιστικά, όπως η μηχανική μάθηση. Ας το παραδεχτούμε - δεν μπορείτε να μάθετε τη μηχανική εκμάθηση σε ένα σαββατοκύριακο και τουλάχιστον απαιτεί καλή κατανόηση των βασικών μαθηματικών αρχών.
Τούτου λεχθέντος, αν έχετε τα μαθηματικά, θα θελήσετε να αυξήσετε τη χρήση των πλαισίων μηχανικής μάθησης (υπάρχουν πολλά να διαλέξετε) με μια καλή κατανόηση της θεωρίας πίσω από αυτά.
Εδώ είναι πέντε υψηλής ποιότητας, ελεύθερα για ανάγνωση κείμενα που παρέχουν εισαγωγές και εξηγήσεις για τα μέσα και τις εξελίξεις της μηχανικής μάθησης. Ορισμένα έχουν παραδείγματα κώδικα, αλλά τα περισσότερα εστιάζουν στους τύπους και τη θεωρία. Κατ 'αρχήν, μπορούν να εφαρμοστούν σε οποιονδήποτε αριθμό γλωσσών, πλαισίων ή προβλημάτων.
Ένα μάθημα στη μηχανική μάθηση
Η ουσία:Ένα πολύ ευανάγνωστο κείμενο που έχει σχεδιαστεί για να παρέχει μια εξαιρετικά φιλική προς τους αρχάριους προσέγγιση στο θέμα. Το βιβλίο είναι ένα έργο σε εξέλιξη - ορισμένες ενότητες εξακολουθούν να φέρουν την ένδειξη TODO - αλλά αυτό που στερείται πληρότητας, αποτελεί την απόλυτη προσβασιμότητα.
Στοχευμένο κοινό:Όποιος έχει καλή κατανόηση του λογισμού, της πιθανότητας και της γραμμικής άλγεβρας. Δεν απαιτείται εμπειρογνωμοσύνη σε συγκεκριμένη γλώσσα.
Περιεχόμενο κώδικα:Κάποιο ψευδοκώδικα; η πλειονότητα αυτών που παρουσιάζονται είναι έννοιες και τύποι.
Τα Στοιχεία της Στατιστικής Μάθησης
Η ουσία: Ένα κείμενο 500 σελίδων που καλύπτει αυτό που οι συγγραφείς περιγράφουν ως "μάθηση από δεδομένα", τις διαδικασίες χρήσης στατιστικών που αποτελούν τα θεμέλια για τη μηχανική μάθηση. Έχει περάσει από δύο εκδόσεις και 10 εκτυπώσεις από το 2001, για καλό λόγο - καλύπτει μια τεράστια έκταση και δεν περιορίζεται σε κανένα πεδίο.
Στοχευμένο κοινό:Εκείνοι που έχουν ήδη μια καλή βάση στα μαθηματικά και τις στατιστικές και δεν χρειάζονται πολλά χέρια για να μεταφράσουν τις μαθηματικές τους δεξιότητες σε καλό κώδικα.
Περιεχόμενο κώδικα:Κανένας. Αυτό δεν είναι κείμενο ανάπτυξης λογισμικού. πρόκειται για θεμελιώδεις έννοιες γύρω από τη μηχανική μάθηση.
Αναφέρεται σε αυτό το άρθρο
- Ένα μάθημα μηχανικής μάθησης Μάθετε περισσότερα για το Hal Daumé III
- Τα Στοιχεία της Στατιστικής Μάθησης, 2η Έκδοση. Μάθετε περισσότερα για το Πανεπιστήμιο του Στάνφορντ
- Bayesian Reasoning and Machine Learning Μάθετε περισσότερα για τον David Barber
- Gaussian Processes for Machine Learning Μάθετε περισσότερα σχετικά με Gaussian Processes for Machine ...
- Μηχανική εκμάθηση Μάθετε περισσότερα στο InTech
Bayesian Συλλογιστική και Μηχανική Μάθηση
Η ουσία: Οι μέθοδοι Bayesian βρίσκονται πίσω από τα πάντα, από τα φίλτρα ανεπιθύμητης αλληλογραφίας έως την αναγνώριση προτύπων, οπότε αποτελούν ένα σημαντικό πεδίο μελέτης για μηχανικούς μάθησης. Αυτό το κείμενο περιγράφει όλες τις σημαντικές πτυχές των στατιστικών Bayesian και τον τρόπο με τον οποίο εφαρμόζονται σε κοινά σενάρια στη μηχανική μάθηση.
Στοχευμένο κοινό:Όποιος έχει καλή κατανόηση του λογισμού, της πιθανότητας και της γραμμικής άλγεβρας.
Περιεχόμενο κώδικα: Πλήθος! Κάθε κεφάλαιο περιέχει ψευδοκώδικα και συνδέσμους προς μια εργαλειοθήκη πραγματικών επιδείξεων κώδικα. Τούτου λεχθέντος, ο κωδικός δεν είναι σε Python ή R, αλλά είναι κωδικός για το εμπορικό περιβάλλον MATLAB, αν και το GNU Octave μπορεί να λειτουργήσει ως υποκατάστατο ανοιχτού κώδικα.
Gaussian Διαδικασίες για Μηχανική Εκμάθηση
Η ουσία:Οι διαδικασίες Gauss είναι μέρος της οικογένειας αναλύσεων που χρησιμοποιούνται με μεθόδους Bayesian. Αυτό το κείμενο επικεντρώνεται στον τρόπο με τον οποίο οι έννοιες Gauss μπορούν να χρησιμοποιηθούν σε κοινές μεθόδους μηχανικής μάθησης όπως ταξινόμηση, παλινδρόμηση και εκπαίδευση μοντέλων.
Στοχευμένο κοινό:Σχεδόν το ίδιο με το "Bayesian Reasoning and Machine Learning".
Περιεχόμενο κώδικα:Το μεγαλύτερο μέρος του κώδικα που εμφανίζεται στο βιβλίο είναι pesudocode, αλλά όπως το "Bayesian Reasoning and Machine Learning", τα παραρτήματα περιλαμβάνουν παραδείγματα για το MATLAB / Octave.
Μηχανική εκμάθηση
Η ουσία: Μια συλλογή από δοκίμια για διαφορετικές και εξαιρετικά συγκεκριμένες πτυχές της μηχανικής μάθησης. Μερικά είναι πιο γενικά και φιλοσοφικά. Άλλοι επικεντρώνονται σε συγκεκριμένους τομείς προβλημάτων, όπως "Μέθοδοι μηχανικής εκμάθησης για προσομοίωση και βελτιστοποίηση διαλόγου."
Στοχευμένο κοινό:Προορίζεται για απλούς αναγνώστες καθώς και για τους πιο τεχνικά κεκλιμένους.
Περιεχόμενο κώδικα:Σχεδόν κανένα, αν και οι τύποι αφθονούν. Διαβάστε για γεύση.
