За останні кілька років і місяців машинне навчання стало дуже популярним. Галузеві аналітики очікують, що машинне навчання та, загалом, штучний інтелект матимуть такий же вплив на людство, як Інтернет чи центральний процесор.
Якщо ви хочете вивчити машинне навчання, ви знаходитесь у правильному місці. Ця стаття є посібником щодо найкращих книг з машинного навчання для випускників.
Що таке машинне навчання?
Машинне навчання відноситься до розробки та використання алгоритмів, які дозволяють машинам навчатися, як виконувати завдання, замість того, щоб явно програмувати їх для виконання цих завдань.
Машинне навчання – це сфера, яка входить до складу штучного інтелекту. Штучний інтелект ширше займається розвитком інтелектуальної поведінки в комп’ютерах. Машинне навчання зосереджується лише на одній частині ШІ – навчанні.
Як використовується машинне навчання?
Комп’ютери завжди перевершували людину в масштабах. Комп’ютер може точно виконати великий обсяг роботи за короткий час. Однак комп’ютери обмежувалися виконанням лише тих завдань, які люди розуміли достатньо добре, щоб написати код, щоб інструктувати комп’ютер. Іншими словами, ми були вузьким місцем у тому, що могли зробити комп’ютери.
Завдяки машинному навчанню комп’ютери більше не обмежуються тим, що можуть виражати люди. Це дозволяє їм виконувати завдання, які ми раніше вважали неможливими або виснажливими, як-от:
- Водити автомобілі (автопілот Tesla, Waymo)
- Визначати об’єкти на зображенні (SAM)
- Створення ілюстрації (DALL-E)
- Створити текст (ChatGPT)
- Перекласти текст (Google Translate)
- Грати в ігри (MindGo)
Навіщо вивчати ШІ з книг
Під час навчання книжки мають перевагу, оскільки забезпечують набагато глибше занурення, ніж усі інші навчальні ресурси. Книги проходять через інтенсивний процес написання, де вони написані, а речення переписуються для ясності.
Результатом є добре написана проза, яка виражає ідеї найкращим чином. Моя особиста найбільша причина віддавати перевагу текстовим ресурсам полягає в тому, як легко посилатися на деякі концепції та переглядати їх. Це складніше у відеоресурсах, таких як підручники та курси. Отже, давайте розглянемо найкращі книги для вивчення машинного навчання.
Стосторінкова книга про машинне навчання
Стосторінкова книга про машинне навчання – це саме те, книга, яка навчає вас машинному навчанню на 100 сторінках. Через обмеження в 100 сторінок книга дає лише загальний огляд теми, не надто заглиблюючись у бур’яни.
Він ідеально підходить для початківців, оскільки охоплює найважливіші основи галузі, такі як контрольоване та неконтрольоване навчання, ансамблеві методи, опорні векторні машини та градієнтний спуск.
Книгу написав Андрій Бурков, фахівець із обробки природної мови, доктор філософії. у галузі штучного інтелекту.
Машинне навчання для абсолютних початківців
Написаний Олівером Теобальдом, це один із найпростіших і найделікатніших вступів до машинного навчання, які ви знайдете.
У цій книзі ви ознайомитесь із машинним навчанням, але автор припускає відсутність попереднього досвіду програмування. Натомість пояснення надано простою англійською мовою та графічні допоміжні засоби для полегшення розуміння.
Однак ви все одно навчитеся кодувати, і книга містить кілька безкоштовних програмних вправ, які можна завантажити, і додаткові відеоуроки. Однак сама по собі ця книга не зробить вас експертом з машинного навчання. Вам все одно доведеться вчитися далі з іншими ресурсами.
Глибоке навчання
Ця книга, ймовірно, найповніша, яку ви знайдете про глибоке навчання. Він також був написаний групою експертів, включаючи Ієна Гудфеллоу, дослідника, який розробив Generative Adversarial Networks.
Він навчає вас математичним концепціям, які знадобляться вам для розуміння глибинного навчання, зокрема лінійної алгебри, теорії ймовірностей, теорії інформації та числових обчислень.
У книзі розглядаються різні типи мереж, які використовуються в глибокому навчанні, включаючи мережі глибокого прямого зв’язку, згорткові нейронні мережі та мережі оптимізації. Крім того, Ілон Маск схвалив її як єдину вичерпну книгу на цю тему.
Вступ до вивчення статистики
Вступ до статистичного навчання містить огляд галузі статистичного навчання. Статистичне навчання — це підмножина машинного навчання, яка включає такі методи навчання, як лінійна регресія, класифікація та опорні векторні машини тощо.
Всі ці техніки описані в книзі. Щоб закріпити висвітлені концепції, у книзі використовуються приклади з реального світу. Він зосереджений на реалізації концепцій, вивчених у R, популярній мові програмування, яка використовується в машинному навчанні та використовується для статистичних обчислень.
Книгу написали Тревор Хасті, Роберт Тібширамі, Даніела Віттен і Гартем Джеймс, усі вони є професорами статистики. Незважаючи на сильну статистичну базу, книга має підійти як для статистиків, так і для нестатистів.
Програмування колективного розуму
Програмування колективного розуму – це корисна книга, яка навчає розробників програмного забезпечення, як створювати програми, які використовують аналіз даних і машинне навчання.
Серед інших алгоритмів тут описано, як працюють системи рекомендацій, кластеризація, пошукові системи та алгоритми оптимізації. Він містить стислі приклади коду та вправи, які допоможуть вам попрактикуватися.
Книгу написав Тобі Сегаран, який також написав «Програмування семантичної мережі» та «Красиві дані».
Основи машинного навчання для прогнозного аналізу даних
Ця книга знайомить вас з основними підходами машинного навчання, які використовуються для прогнозування. Перш ніж висвітлити практичні підходи до машинного навчання, книга дає огляд теоретичних концепцій, які вам слід знати.
У книзі розповідається про те, як використовувати машинне навчання для прогнозування цін, оцінки ризиків, прогнозування поведінки клієнтів і класифікації документів.
Він охоплює чотири підходи до машинного навчання: навчання на основі інформації, навчання на основі помилок, навчання на основі схожості та навчання на основі ймовірностей. Її написали Джон Д. Келлехер, Брайан Мак Неймі та Аойф Д’Арсі.
Зрозумійте машинне навчання: від теорії до алгоритмів
У книзі представлено машинне навчання та алгоритми, які його забезпечують. Він містить теоретичний огляд основ машинного навчання та способів отримання математики.
Він також показує, як ці фундаментальні принципи потім перетворюються на алгоритми та код. Ці алгоритми включають стохастичний градієнтний спуск, нейронні мережі та структуроване навчання виведення.
Книгу написали Шай Шалев-Шварц і Шай Бен-Девід для випускників і студентів старших курсів. Фізичну копію можна придбати на Amazon, а безкоштовна онлайн-версія доступна тут для завантаження та некомерційного використання.
Машинне навчання для хакерів
Машинне навчання для хакерів – це книга, написана з думкою про досвідчених програмістів. Він знайомить вас із машинним навчанням у практичній та більш практичній формі. Ви дізнаєтесь про концепції з тематичних досліджень замість підходу, який насичений математикою, як в інших книгах.
Книга містить розділи, присвячені певній області машинного навчання, наприклад класифікації, прогнозуванню, оптимізації та рекомендаціям.
Він зосереджений на реалізації моделей на мові програмування R і включає захоплюючі проекти, такі як класифікатор електронної пошти спаму, предиктор переглядів сторінок веб-сайту та розшифровку з однієї літери.
Книгу написали Дрю Конвей і Джон Майлз Вайт, які обидва є співавторами іншої книги «Машинне навчання для електронної пошти».
Практичне машинне навчання з Р
Практичне машинне навчання розповідає про те, як реалізувати такі алгоритми, як алгоритми кластеризації, автокодувальники, випадкові ліси, глибокі нейронні мережі та багато інших. Реалізація виконується за допомогою мови програмування R і різних пакетів у її екосистемі.
Сама книга не є підручником з мови R. Тому читачі повинні вже ознайомитися з мовою, перш ніж користуватися книгою. Фізичну версію книги можна придбати на Amazon, а онлайн-версія доступна безкоштовно тут.
Машинне навчання Python
У цій книзі про машинне навчання Python розповідається про машинне навчання та про те, як його реалізувати на Python. Він починається з охоплення базових і найбільш фундаментальних бібліотек, що використовуються в машинному навчанні, таких як NumPy для числових обчислень і Pandas для роботи з табличними даними.
Потім він представляє такі бібліотеки, як scikit-learn, яка використовується для створення моделей машинного навчання. У книзі також розглядається візуалізація даних за допомогою Matplotlib. Він пояснює такі алгоритми, як регресія, кластеризація та класифікація. Тут також описано, як розгортати моделі.
Загалом, ця книга є вичерпним вступом до машинного навчання, щоб ви могли почати впроваджувати власні моделі та включати їх у свої програми. Книгу написав Венг Мен Лі, засновник Developer Learning Solutions.
Інтерпретоване машинне навчання за допомогою Python
Інтерпретоване машинне навчання за допомогою Python — це вичерпний посібник із машинного навчання, який дає огляд моделей машинного навчання та те, як зменшити ризики прогнозування та покращити інтерпретацію за допомогою практичних прикладів і покрокового впровадження коду.
Охоплюючи основи інтерпретації, різні типи моделей, методи інтерпретації та методи налаштування, книга надає читачам знання про інтерпретацію та навички для ефективного вдосконалення моделей машинного навчання. Книгу написав Серг Масіс, спеціаліст із кліматичних та агрономічних даних.
Заключні слова
Цей список книг, очевидно, не є вичерпним, але це одні з найкращих книг, якими можна скористатися для вивчення машинного навчання у випускниках. Хоча більшість ШІ реалізовано за допомогою коду, вам не завжди потрібно писати код. Існує багато інструментів No Code AI, які полегшують розробку.
Далі ознайомтеся з платформами машинного навчання з низьким і безкодовим використанням.