Programmering

5 gratis e-bøger til maskinlæring

Der er få emner i computere, der er så fascinerende eller skræmmende som maskinindlæring. Lad os indse det - du kan ikke mestre maskinlæring i en weekend, og i det mindste kræver det en god forståelse af de underliggende matematiske principper.

Når det er sagt, hvis du har matematiske koteletter, vil du øge din brug af maskinlæringsrammer (der er masser at vælge imellem) med en god forståelse af teorien bag dem.

Her er fem højkvalitets tekster, der er gratis at læse i høj kvalitet, der giver introduktioner til og forklaringer på maskinindlæringens ind og ud. Nogle har kodeeksempler, men de fleste fokuserer på formler og teori; i princippet kan de anvendes på et hvilket som helst antal sprog, rammer eller problemer.

Et kursus i maskinlæring

Kernen:En meget læselig tekst designet til at give en ekstremt nybegyndervenlig tilgang til emnet. Bogen er et igangværende arbejde - nogle sektioner er stadig mærket TODO - men hvad den mangler i fuldstændighed, udgør den i ren tilgængelighed.

Målgruppe:Enhver med en god forståelse af beregning, sandsynlighed og lineær algebra. Der kræves ingen ekspertise inden for et bestemt sprog.

Kodeindhold:Noget pseudokode; størstedelen af ​​det, der præsenteres, er begreber og formler.

Elementerne i statistisk læring

Kernen: En 500-plus-sidetekst, der dækker, hvad forfatterne beskriver som "at lære af data", processerne med at anvende statistikker, der er grundlaget for maskinindlæring. Det har været med to udgaver og 10 udskrifter siden 2001 med god grund - det dækker en enorm mængde territorium og er ikke begrænset til et felt.

Målgruppe:Dem, der allerede har et godt fundament inden for matematik og statistik og ikke har brug for meget håndholdt for at oversætte deres matematiske færdigheder til god kode.

Kodeindhold:Ingen. Dette er ikke en softwareudviklingstekst; dette handler om grundlæggende begreber omkring maskinlæring.

Nævnt i denne artikel
  • Et kursus i maskinlæring Lær mere om Hal Daumé III
  • The Elements of Statistical Learning, 2. udg. Lær mere om Stanford University
  • Bayesian ræsonnement og maskinlæring Lær mere om David Barber
  • Gaussiske processer til maskinlæring Lær mere om Gaussiske processer til maskine ...
  • Machine Learning Lær mere om InTech

Bayesian ræsonnement og maskinindlæring

Kernen: Bayesianske metoder ligger bag alt fra spamfiltre til mønstergenkendelse, så de udgør et stort studieområde for maskinindlæringsmavens. Denne tekst gennemgår alle de vigtigste aspekter af Bayesian-statistikker, og hvordan de finder anvendelse på almindelige scenarier inden for maskinindlæring.

Målgruppe:Enhver med en god forståelse af beregning, sandsynlighed og lineær algebra.

Kodeindhold: Masser! Hvert kapitel indeholder både pseudokode og links til et værktøjssæt med faktiske kodedemoer. Når det er sagt, er koden ikke i Python eller R, men er kode til det kommercielle MATLAB-miljø, selvom GNU Octave kan fungere som en open source-erstatning.

Gaussiske processer til maskinindlæring

Kernen:Gaussiske processer er en del af familien af ​​analyser, der anvendes ved Bayesiske metoder. Denne tekst fokuserer på, hvordan Gaussiske begreber kan bruges i almindelige maskinlæringsmetoder som klassificering, regression og model træning.

Målgruppe:Næsten det samme som "Bayesian Ræsonnement og Machine Learning."

Kodeindhold:Det meste af koden, der findes i bogen, er pesudocode, men ligesom "Bayesian Reasoning and Machine Learning" indeholder bilagene eksempler på MATLAB / Octave.

Maskinelæring

Kernen: En samling essays om forskellige og meget specifikke aspekter af maskinlæring. Nogle er mere generelle og filosofiske; andre er fokuseret på specifikke problemdomæner, såsom "Machine Learning Methods for Spoken Dialogue Simulation and Optimization."

Målgruppe:Beregnet til lægelæsere såvel som de mere teknisk tilbøjelige.

Kodeindhold:Næsten ingen, skønt formler findes i overflod. Læs for smag.