eBook di machine learning per data scientist e ingegneri di intelligenza artificiale

Condividere su Facebook
Condividere su twitter
Condividere su linkato
Condividere su telegramma
Condividere su WhatsApp

Contenuti

introduzione

Quindi, Ami leggere ma non puoi permetterti di spendere troppi soldi per i libri?? Gran parte dei libri di data science e machine learning in circolazione rientrano nella categoria dei costosi. È giusto, data la quantità di pensiero e impegno che serve per scriverli e pubblicarli.

Ma ci sono alcune anime gentili che hanno messo il loro lavoro a disposizione di tutti … gratuito! Se vuoi diventare un data scientist o un ingegnere di intelligenza artificiale, Non avrei potuto chiedere di più.

Ecco una raccolta di 10 di questi eBook gratuiti sull'apprendimento automatico. Iniziamo l'elenco partendo dalle basi della statistica, poi i fondamenti del machine learning e infine il machine learning avanzato.

Per accedere ai libri, Clicca sul nome di ogni titolo nell'elenco sottostante.

think_stats_comp-7519389

Autore: Allan B. Downey

'Pensa alle statistiche'’ è un libro introduttivo alla statistica e alla probabilità per persone con conoscenze di base della programmazione Python. Si basa su una libreria Python per le distribuzioni di probabilità (PMF e CDF). Per rendere le cose più facili per il lettore, La maggior parte degli esercizi ha programmi brevi. Il libro include anche un caso di studio che utilizza i dati del National Institutes of Health.

Una delle caratteristiche più salienti di questo libro è che copre anche le basi della statistica bayesiana, Una branca molto importante per qualsiasi aspirante data scientist.

Giacca-7142325

Autore: David Barbiere

A proposito di statistica bayesiana, Questo è un classico. Questo richiede un approccio statistico bayesiano all'apprendimento automatico. Un libro che vale la pena leggere per chiunque entri nel campo dell'apprendimento automatico.

isl-cover-2-2976879

Autori: Gareth James, Daniela Witten, Trevor Hastie e Robert Tibshirani

Una delle voci più popolari di questo elenco, è un'introduzione alla scienza dei dati attraverso l'apprendimento automatico. Questo libro offre una guida chiara su come implementare metodi statistici e di apprendimento automatico per i nuovi arrivati in questo campo. È pieno di esempi pratici del mondo reale su dove e come funzionano gli algoritmi.

Per chi ha un'inclinazione verso la programmazione R, questo libro ha anche esempi pratici in R. Nel caso in cui tu non sia un programmatore, Non lasciarti scoraggiare. Questo libro è un gioiello.

ComprensioneApprendimento automatico-4777732

Autori: Shai Shalev-Shwartz e Shai Ben-David

Questo libro fornisce un'introduzione strutturata all'apprendimento automatico. Discute le teorie fondamentali dell'apprendimento automatico e le derivazioni matematiche che trasformano questi concetti in algoritmi pratici. Successivamente, copre un elenco di algoritmi ML, Compreso (Ma non si limitano a), Declino del gradiente stocastico, Reti neurali e apprendimento strutturato in output.

1460498878-numerati_r-8141860

Autore: Ron Zacharski

Quello che mi piace di questo libro sono i capitoli che trattano i sistemi di raccomandazione. È necessario uno sguardo divertente e visivamente divertente ai metodi di filtraggio sociale e di filtraggio basato su elementi e a come utilizzare l'apprendimento automatico per implementarli. Vengono trattati anche altri concetti come Naive Bayes e Clustering. C'è un capitolo sul testo non strutturato e su come gestirlo, Nel caso in cui tu stia pensando di entrare nell'elaborazione del linguaggio naturale.

Sono disponibili anche esempi in Python nel caso in cui si voglia fare pratica.

51ybvsgl4yl-_sx348_bo1204203200_-9547059

Autori: Anand Rajaraman e Jeffrey David Ullman

Con l'avanzare dell'era dei Big Data, L'estrazione di dati per ottenere informazioni utili è un'abilità molto ricercata. Questo libro si concentra sugli algoritmi che sono stati precedentemente utilizzati per risolvere problemi chiave nel data mining e che possono essere utilizzati anche sui set di dati più giganteschi.

screen-shot-2018-01-30-at-4-45-40-pm-5338612

Autore: David Kriesel

Se sei interessato alle reti neurali, Questo libro è per te. Si inizia coprendo la storia delle reti neurali prima di approfondire la matematica e la spiegazione dietro i diversi tipi di NN. L'autore si aspetta che il lettore abbia una conoscenza di base dell'algebra lineare e del calcolo.

61FIM5QQAQL-_sx373_bo1204203200_-4101574

Autori: Ian Goodfellow, Yoshua Bengio e Aaron Courville

Questo è probabilmente uno dei libri più completi scritti da persone illustri nel campo del deep learning. Concetti come i metodi Monte Carlo sono discussi in dettaglio, Reti ricorrenti e ricorsive, Encoder automatici e modelli generativi profondi (tra gli altri).

51exeb-vacl-7728517

Autori: Steven Uccello, Ewan Klein e Edward Loper

Le persone interessate ad entrare nell'elaborazione del linguaggio naturale dovrebbero leggere questo libro. È scritto in modo lucido e chiaro con codici estremamente ben presentati in Python. I lettori hanno accesso a set di dati ben annotati per analizzare ed elaborare dati non strutturati, Struttura linguistica nel testo, tra l'altro PNL.

dc4875_5917fae9edee48349cc8e95f6f9ac348mv2-6399847

Autore: Andrea Nga

Nessun elenco di machine learning è completo senza menzionare Andrew Ng. Secondo lui, questo libro aiuterà il lettore a familiarizzare con la costruzione di sistemi di intelligenza artificiale. Ti insegnerà in modo efficace come prendere le varie decisioni necessarie per organizzare un progetto di machine learning.

Il libro viene ancora aggiornato regolarmente e puoi iscriverti al sito per ricevere aggiornamenti man mano che ogni capitolo viene pubblicato.

Ci auguriamo che questo elenco ti sia stato utile. Nel caso in cui tu conosca altri libri gratuiti che hai letto o hai intenzione di leggere, Fatecelo sapere nei commenti qui sotto.

Iscriviti alla nostra Newsletter

Non ti invieremo posta SPAM. Lo odiamo quanto te.