Малко са предметите в изчисленията, които са толкова завладяващи или плашещи, колкото машинното обучение. Нека си признаем - не можете да овладеете машинно обучение през уикенда и поне изисква добро разбиране на основните математически принципи.
Въпреки това, ако имате математически пържоли, ще искате да разширите използването на рамки за машинно обучение (има какво да избирате) с добро разбиране на теорията зад тях.
Ето пет висококачествени, безплатни за четене текстове, които предоставят въведения и обяснения за входовете и недостатъците на машинното обучение. Някои имат примери за кодове, но повечето се фокусират върху формули и теория; по принцип те могат да бъдат приложени към произволен брой езици, рамки или проблеми.
Курс по машинно обучение
Същността: Текст с висока четливост, създаден да осигури изключително лесен за начинаещи подход към темата. Книгата е в процес на разработка - някои раздели все още са обозначени с TODO - но това, което й липсва в пълнота, измисля в пълната достъпност.
Целева аудитория: Всеки, който има добра представа за смятане, вероятност и линейна алгебра. Не се изисква опит в какъвто и да е специфичен език.
Съдържание на кода: Някакъв псевдокод; по-голямата част от представеното са концепции и формули.
Елементите на статистическото обучение
Същността: Текст с над 500 страници, който обхваща това, което авторите описват като „учене от данни“, процесите на използване на статистически данни, които са в основата на машинното обучение. От 2001 г. досега е преминал през две издания и 10 отпечатвания, с основание - той обхваща огромно количество територия и не се ограничава до нито едно поле.
Целева аудитория: Тези, които вече имат добри основи в математиката и статистиката и не се нуждаят от много държане на ръка, за да превърнат своите математически умения в добър код.
Съдържание на кода: Няма. Това не е текст за разработка на софтуер; става въпрос за основни концепции около машинното обучение.
Споменато в тази статия
- Курс по машинно обучение Научете повече за Hal Daumé III
- Елементите на статистическото обучение, 2-ро изд. Научете повече за Станфордския университет
- Байесово разсъждение и машинно обучение Научете повече за Дейвид Барбър
- Гаусови процеси за машинно обучение Научете повече за Гаусови процеси за машинно обучение ...
- Машинно обучение Научете повече за InTech
Байесово разсъждение и машинно обучение
Същността: Байесовите методи стоят зад всичко - от филтри за нежелана поща до разпознаване на образци, така че те представляват основно поле за изследване на машините за машинно обучение. Този текст разглежда всички основни аспекти на байесовата статистика и как те се прилагат към често срещаните сценарии в машинното обучение.
Целева аудитория: Всеки, който има добра представа за смятане, вероятност и линейна алгебра.
Съдържание на кода: Много! Всяка глава съдържа както псевдокод, така и връзки към инструментариум от реални демонстрации на кодове. Въпреки това кодът не е в Python или R, а е код за търговската среда MATLAB, въпреки че GNU Octave може да работи като заместител с отворен код.
Гаусови процеси за машинно обучение
Същността: Гаусовите процеси са част от семейството анализи, използвани от байесовите методи. Този текст се фокусира върху това как гауссовите концепции могат да се използват в обичайните методи за машинно обучение като класификация, регресия и обучение по модели.
Целева аудитория: Приблизително същото като „Байесово разсъждение и машинно обучение“.
Съдържание на кода : По-голямата част от кода, представен в книгата, е песудокод, но подобно на „Байесово разсъждение и машинно обучение“, приложенията включват примери за MATLAB / Octave.
Машинно обучение
Същността: Колекция от есета за различни и изключително специфични аспекти на машинното обучение. Някои са по-общи и философски; други са фокусирани върху конкретни проблемни области, като например „Методи за машинно обучение за симулация и оптимизация на говорим диалог“.
Целева аудитория: Предназначена за читатели, както и за технически по-склонни.
Съдържание на кода: Практически няма, въпреки че формулите изобилстват. Прочетете за вкус.
