Tidak ada kejutan bahawa begitu banyak orang mempertimbangkan memasuki dunia menarik algoritma komputer yang meningkat secara automatik melalui pengalaman. Sekiranya anda berada di antara mereka-atau jika anda hanya ingin melihat hype dan memahami apa sebenarnya pembelajaran mesin-pemilihan 20 buku teks pembelajaran mesin terbaik kami dapat membantu anda mencapai matlamat anda.
Kecerdasan Buatan: Pendekatan Moden (Edisi ke-4) oleh Peter Norvig dan Stuart J. Russell
Ada: di Amazon
Diterbitkan: 2020
Kiraan halaman: 1136
Memutuskan buku teks pembelajaran mesin mana yang tidak sukar kerana Kecerdasan Buatan: Pendekatan Moden disyorkan kepada pelajar oleh universiti di seluruh dunia. Sekarang dalam 4ika edisi, buku ini memberikan pekerjaan yang luar biasa untuk memperkenalkan bidang kecerdasan buatan (pembelajaran mesin adalah subset AI) kepada pemula, dan ia juga merangkumi pelbagai topik penyelidikan yang berkaitan, memberikan rujukan berguna untuk kajian lanjutan. Menurut pengarangnya, buku teks yang besar ini memerlukan masa kira-kira dua semester untuk dilindungi, jadi jangan berharap buku ini dapat dibaca dengan cepat.
Pengecaman Corak dan Pembelajaran Mesin oleh Christopher M. Uskup
Terdapat: di Amazon
Diterbitkan: 2011
Kiraan halaman: 738
Anda boleh memikirkan Pengecaman Corak dan Pembelajaran Mesin oleh Christopher M. Bishop sebagai seorang yang lemah lembut (sekurang-kurangnya sejauh buku teks pembelajaran mesin) kursus pengantar teori di sebalik pembelajaran mesin. Buku teks merangkumi lebih dari 400 latihan yang dinilai mengikut kesukaran mereka, dan lebih banyak lagi bahan tambahan terdapat di laman webnya. Jangan harap tahu bagaimana menerapkan teori yang diajarkan oleh buku teks ketika anda sampai di halaman terakhirnya - ada buku lain untuk itu.
Pembelajaran mendalam oleh Goodfellow et. al
Terdapat: di Amazon
Diterbitkan: 2016
Kiraan halaman: 800
Sekiranya anda meminta Elon Musk untuk mengesyorkan anda buku mengenai pembelajaran mesin, inilah yang akan dicadangkannya. Dia pernah mengatakan bahawa Pembelajaran Dalam adalah satu buku lengkap mengenai perkara ini. Buku ini merangkumi segalanya, dari latar belakang matematik dan konseptual hingga teknik pembelajaran mendalam yang terkemuka di industri dan perspektif penyelidikan terkini. Kami mengesyorkan anda mendapatkan versi elektronik kerana Deep Learning terkenal dengan kualiti cetakannya yang buruk.
Elemen-elemen Pembelajaran Statistik: Perlombongan Data, Inferensi, dan Ramalan, Edisi Kedua oleh Hastie, Tibshirani, dan Friedman
Terdapat: di Amazon
Diterbitkan: 2016
Kiraan halaman: 767
Jangan biarkan tajuk buku teks ini menakutkan anda. Sekiranya anda ingin benar-benar memahami pembelajaran mesin dan menerapkannya untuk menyelesaikan masalah sukar, anda perlu membiasakan diri dengan membaca buku teks yang nampaknya tidak dapat didekati. Walaupun buku teks menggunakan pendekatan statistik yang menentukan, anda tidak perlu menjadi ahli statistik untuk membacanya kerana lebih menekankan konsep dan bukannya matematik.
Pembelajaran Mesin Hands-On dengan Scikit-Learn, Keras, dan TensorFlow: Konsep, Alat, dan Teknik Membangun Sistem Pintar (2nd Edisi) oleh Aurélien Géron
Terdapat: di Amazon
Diterbitkan: 2019
Kiraan halaman: 856
Scikit-Learn, Keras, dan TensorFlow adalah tiga perpustakaan pembelajaran mesin yang popular, dan buku teks ini memfokuskan bagaimana mereka dapat digunakan untuk membuat program pembelajaran mesin yang menyelesaikan masalah sebenar. Berkat sifat mesra pemula di perpustakaan ini, pengetahuan teori latar belakang minimum diperlukan untuk membaca buku teks ini, menjadikannya bagus bagi mereka yang ingin memperoleh pemahaman intuitif mengenai pembelajaran mesin dengan membina sesuatu yang berguna.
Memahami Pembelajaran Mesin: Dari Teori hingga Algoritma oleh Shai Shalev-Shwartz dan Shai Ben-David
Ada: di Amazon
Diterbitkan: 2014
Kiraan halaman: 410
Banyak buku teks mengenai pembelajaran mesin sukar dilalui kerana pengarangnya tidak dapat meletakkan diri mereka sebagai orang baru di lapangan, tetapi bukan buku ini. Memahami Pembelajaran Mesin bermula dengan pengenalan yang jelas untuk pembelajaran mesin statistik. Ia kemudian menghubungkan konsep teori dengan algoritma praktikal tanpa terlalu rumit atau terlalu kabur. Terlepas dari apakah anda ingin menyegarkan pengetahuan anda atau memulai perjalanan seumur hidup di industri ini, jangan ragu untuk mengambil buku teks ini.
Pembelajaran Mesin: Perspektif Probabilistik oleh Kevin P. Murphy
Ada: di Amazon
Diterbitkan: 2012
Kiraan halaman: 1104
Seperti yang dicadangkan oleh tajuk buku ini, pengenalan pembelajaran mesin ini bergantung pada model probabilistik untuk mengesan corak dalam data dan menggunakannya untuk membuat ramalan tentang data masa depan. Buku ini ditulis dengan gaya yang tidak formal dan menyenangkan serta menggunakan ilustrasi dan contoh praktikal. Model yang dijelaskannya telah diimplementasikan menggunakan Probabilistic Modeling Toolkit, yang merupakan pakej perisian MATLAB yang dapat anda muat turun dari internet. Malangnya, alat ini tidak lagi disokong kerana versi baru buku ini akan menggunakan Python sebagai gantinya.
Teori Maklumat, Inferensi dan Algoritma Pembelajaran oleh David J. C. MacKay
Ada: di Amazon
Diterbitkan: 2003
Kiraan halaman: 640
Ya, buku teks ini dikeluarkan hampir 20 tahun yang lalu, tetapi tidak menjadikannya kurang relevan hari ini. Lagipun, pembelajaran mesin tidak semuda yang disarankan oleh gembar-gembur baru-baru ini. Apa yang membuat Algoritma Teori Maklumat, Inferensi dan Pembelajaran oleh David J. C. MacKay begitu abadi adalah pendekatan multidisiplin yang memberikan banyak hubungan antara bidang yang berbeza. Sendiri, ia tidak begitu berguna kerana tidak mempunyai contoh praktikal yang cukup, tetapi berfungsi dengan baik sebagai buku teks pengantar.
Pengenalan Pembelajaran Statistik: Dengan Aplikasi dalam R oleh Gareth M. James, Trevor Hastie, Daniela Witten, dan Robert Tibshirani
Ada: di Amazon
Diterbitkan: 2013
Kiraan halaman: 440
Anda boleh memikirkan Pengenalan Pembelajaran Statistik sebagai alternatif yang lebih mudah didekati daripada Elemen Pembelajaran Statistik, yang memerlukan pengetahuan statistik matematik lanjutan. Untuk menyelesaikan buku teks ini, anda semestinya mahir dengan ijazah sarjana muda dalam matematik atau statistik. Pada 440 halamannya, penulis memberikan gambaran keseluruhan bidang pembelajaran statistik dan menyajikan pemodelan dan teknik ramalan penting, lengkap dengan aplikasinya.
Buku Pembelajaran Mesin Seratus Halaman oleh Andriy Burkov
Ada: di Amazon
Diterbitkan: 2019
Kiraan halaman: 160
Walaupun kebanyakan buku teks yang disenaraikan dalam artikel ini lebih dekat dengan seribu halaman, buku tipis ini, yang bermula sebagai cabaran di LinkedIn, banyak menjelaskan hanya pada seratus halaman. Salah satu sebab mengapa Buku Pembelajaran Mesin Seratus Halaman menjadi hit segera adalah bahasa mudahnya, yang merupakan penyambutan selamat datang dari makalah akademik yang kaku. Kami mengesyorkan buku ini kepada jurutera perisian yang percaya bahawa mereka dapat menggunakan alat pembelajaran mesin yang ada tetapi tidak tahu harus memulakannya. Oleh itu, buku ini dapat dinikmati oleh sesiapa sahaja yang berminat dalam pembelajaran mesin kerana menekankan konsep berbanding kod.
Pengenalan Pembelajaran Mesin dengan Python: Panduan untuk Saintis Data oleh Andreas C. Müller dan Sarah Guido
Ada: di Amazon
Diterbitkan: 2016
Kiraan halaman: 400
Sekiranya anda fasih berbahasa Python dan ingin memulakan pembelajaran mesin dengan membina penyelesaian praktikal untuk masalah sebenar, ini adalah buku yang tepat untuk anda. Tidak, anda tidak akan belajar terlalu banyak teori, tetapi semua konsep asas diliputi dengan baik, dan terdapat banyak buku lain yang merangkumi yang lain. Untuk memanfaatkan sepenuhnya Pembelajaran Mesin dengan Python, anda semestinya mempunyai sedikit pengetahuan dengan perpustakaan NumPy dan matplotlib.
Pemodelan Ramalan Terapan oleh Max Kuhn dan Kjell Johnson
Ada: di Amazon
Diterbitkan: Edisi ke-1. 2013, Corr. Percetakan ke-2 2018
Kiraan halaman: 613
Buku teks ini memberikan pengenalan kepada model ramalan, yang menggunakan data dan statistik untuk meramalkan hasil dengan model data. Ia dimulakan dengan pemprosesan data dan dilanjutkan dengan teknik regresi dan klasifikasi moden, selalu menekankan masalah data yang sebenarnya. Anda dapat dengan mudah menerapkan semua model yang dijelaskan dalam buku ini berkat kod R yang disediakan, yang menunjukkan dengan tepat apa yang perlu anda lakukan untuk mendapatkan penyelesaian yang berkesan.
Pembelajaran mendalam dengan Python oleh François Chollet
Ada: di Amazon
Diterbitkan: 2017
Kiraan halaman: 384
Anda mungkin sudah biasa dengan penulis buku teks pembelajaran mesin ini kerana dia bertanggungjawab untuk perpustakaan rangkaian saraf sumber terbuka yang disebut Keras, boleh dikatakan perpustakaan pembelajaran mesin paling popular yang ditulis dalam Python. Memandangkan maklumat ini dan tajuk buku teks, anda tidak perlu terkejut apabila mengetahui bahawa ini adalah kursus keras Keras terbaik yang tersedia. Teknik praktikal diutamakan di atas teori, tetapi itu hanya bermaksud bahawa anda dapat menyelesaikan tugas pembelajaran mesin yang canggih hanya dalam beberapa minggu.
Pembelajaran Mesin oleh Tom M. Mitchell
Ada: di Amazon
Diterbitkan: 1997
Kiraan halaman: 414
Diterbitkan pada tahun 1997, buku ini memperkenalkan semua jenis algoritma pembelajaran mesin dalam bahasa yang harus difahami oleh semua siswazah CS. Sekiranya anda adalah jenis orang yang perlu mempunyai pemahaman yang luas mengenai topik tertentu sebelum anda merasa selesa menyelami dalamnya, anda akan menyukai bagaimana maklumat dalam buku ini disampaikan. Jangan mengharapkan Pembelajaran Mesin oleh Tom M. Mitchell menjadi panduan praktikal kerana bukan itu buku yang sepatutnya.
Aplikasi Mesin Pembelajaran Membina Mesin: Pergi dari Idea ke Produk oleh Emmanuel Ameisen
Ada: di Amazon
Diterbitkan: 2020
Kiraan halaman: 260
Satu perkara untuk memahami model pembelajaran mesin, dan ini adalah sesuatu yang lain untuk mengetahui bagaimana membawanya ke produksi. Buku yang agak langsing oleh Emmanuel Ameisen ini menjelaskannya, memandu anda melalui setiap langkah proses, dari idea awal hingga produk yang digunakan. Aplikasi Powered Learning Machine Building boleh disarankan kepada para saintis data dan jurutera ML yang telah menguasai teori tetapi belum mengaplikasikannya dalam industri.
Pembelajaran Pengukuhan: Pengenalan (Edisi ke-2) oleh Richard S. Sutton, Andrew G. Barto
Ada: di Amazon
Diterbitkan: 2018
Kiraan halaman: 552
Pembelajaran pengukuhan adalah bidang pembelajaran mesin yang berkaitan dengan latihan model pembelajaran mesin untuk melakukan tindakan dalam lingkungan yang kompleks dan tidak menentu untuk memaksimumkan jumlah ganjaran yang diterima. Sekiranya ini menarik bagi anda, jangan ragu untuk membeli buku ini kerana buku ini dianggap sebagai Alkitab. Edisi kedua merangkumi banyak perubahan struktur dan kandungan yang penting, jadi dapatkan jika mungkin.
Belajar Dari Data oleh Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin.
Ada: di Amazon
Diterbitkan: 2012
Kiraan halaman: 213
Belajar Dari Data adalah pengenalan yang pendek tetapi relatif lengkap untuk pembelajaran mesin dan aplikasi praktikalnya dalam bidang kewangan, perdagangan, sains, dan kejuruteraan. Buku ini didasarkan pada lebih dari satu dekad bahan pengajaran, yang disusun oleh penulis kepada pemilihan topik utama yang harus difahami oleh semua orang yang berminat dalam subjek ini. Sangat bagus untuk pemula yang tidak mempunyai banyak masa untuk mempelajari teori pembelajaran mesin, terutamanya jika dibaca bersama siri kuliah Yaser di YouTube.
Rangkaian Neural dan Pembelajaran Dalam: Buku Teks oleh Charu C. Aggarwal
Ada: di Amazon
Diterbitkan: 2018
Kiraan halaman: 497
Rangkaian saraf adalah salah satu cara melakukan pembelajaran mesin, dan buku teks ini dapat membantu anda memahami teori di sebalik mereka. Sama seperti pembelajaran mesin secara umum, buku ini secara matematik sangat sengit, jadi jangan berharap untuk melangkah terlalu jauh jika matematik anda berkarat. Oleh itu, penulis melakukan tugas yang baik untuk menjelaskan matematik di sebalik semua contoh yang diberikan dan membimbing pembaca melalui pelbagai senario yang rumit.
Pembelajaran Mesin Untuk Pemula Mutlak: Pengenalan Bahasa Inggeris Plain (2)nd Edisi) oleh Oliver Theobald
Ada: di Amazon
Diterbitkan: 2017
Kiraan halaman: 157
Sekiranya anda berminat dalam pembelajaran mesin tetapi tidak semestinya merasa selesa membaca buku teks panjang mengenai perkara ini, anda mungkin lebih suka buku mesra pemula ini, yang memberikan pengenalan praktikal dan tahap tinggi untuk bahasa mesin menggunakan bahasa Inggeris biasa. Pada akhir buku ini, anda akan mengetahui cara meramalkan nilai rumah menggunakan model pembelajaran mesin pertama anda yang dibuat di Python.
Pembelajaran Dalam Generatif: Mesin Pengajaran untuk Melukis, Menulis, Mengarang, dan Bermain oleh David Foster
Ada: di Amazon
Diterbitkan: 2019
Kiraan halaman: 330
Banyak yang telah ditulis dan diperkatakan mengenai rangkaian permusuhan generatif (GAN), salah satu topik terpanas dalam bidang pembelajaran mesin hari ini. Sekiranya anda ingin memahami bagaimana mereka dan model pembelajaran mendalam generatif yang lain berfungsi, buku David Foster ini merupakan titik permulaan yang baik, asalkan anda mempunyai pengalaman membuat kod di Python.