Ir maz priekšmetu, skaitļojot kā aizraujošu vai iebiedējošu kā mašīnmācīšanos. Atzīsim, ka mašīnmācīšanos nedēļas nogalē nevar apgūt, un vismaz tā labi pārzina matemātikas pamatprincipus.
Tas nozīmē, ka, ja jums ir matemātikas karbonādes, jūs vēlaties paplašināt mašīnmācīšanās sistēmu izmantošanu (ir daudz, no kā izvēlēties), labi izprotot to teoriju.
Šeit ir pieci augstas kvalitātes, brīvi lasāmi teksti, kas sniedz ievadus un skaidrojumus par mašīnmācīšanās iemaņām. Dažiem ir kodu piemēri, taču lielākā daļa koncentrējas uz formulām un teoriju; principā tos var piemērot jebkuram skaitam valodu, ietvaru vai problēmu.
Mašīnmācības kurss
Būtība:Ļoti lasāms teksts, kas paredzēts ļoti iesācējiem draudzīgai pieejai tēmai. Grāmata ir nepabeigts darbs - dažas sadaļas joprojām ir apzīmētas ar TODO, bet tas, kas tai trūkst pilnības, veido tīru pieejamību.
Mērķauditorija:Ikviens, kurš labi pārzina aprēķinu, varbūtību un lineāro algebru. Nav nepieciešamas zināšanas kādā konkrētā valodā.
Koda saturs:Daži pseidokodi; lielākā daļa no tā, kas tiek pasniegts, ir jēdzieni un formulas.
Statistiskās mācīšanās elementi
Būtība: 500 plus lapu teksts, kas aptver to, ko autori raksturo kā "mācīšanos no datiem", statistikas izmantošanas procesus, kas ir mašīnmācīšanās pamatā. Kopš 2001. gada tas ir ticis izdots divos izdevumos un 10 izdrukās, pamatota iemesla dēļ - tas aptver lielu teritoriju un neaprobežojas tikai ar vienu lauku.
Mērķauditorija:Tie, kuriem matemātikā un statistikā jau ir labs pamats un kuriem nav vajadzīgas lielas rokas, lai savas matemātikas prasmes pārvērstu labā kodā.
Koda saturs:Nav. Šis nav programmatūras izstrādes teksts; runa ir par mašīnmācīšanās pamatjēdzieniem.
Minēts šajā rakstā
- Mašīnmācības kurss Uzziniet vairāk par Hal Daumé III
- Statistiskās mācīšanās elementi, 2. izdev. Uzziniet vairāk par Stenfordas universitāti
- Bajesa pamatojums un mašīnmācīšanās Uzziniet vairāk par David Barber
- Gausa procesi mašīnmācībai Uzziniet vairāk par mašīnu Gausa procesiem ...
- Mašīnmācīšanās Uzziniet vairāk par InTech
Bajesa pamatojums un mašīnmācīšanās
Būtība: Bajesa metodes ir visu pamatā, sākot no surogātpasta filtriem un beidzot ar modeļu atpazīšanu, tāpēc tās ir galvenā mašīnmācīšanās modeļu izpētes joma. Šis teksts iepazīstina ar visiem galvenajiem Bajesa statistikas aspektiem un to piemērošanu mašīnmācīšanās izplatītajiem scenārijiem.
Mērķauditorija:Ikviens, kurš labi pārzina aprēķinu, varbūtību un lineāro algebru.
Koda saturs: Daudz! Katrā nodaļā ir gan pseidokods, gan saites uz faktisko kodu demonstrāciju rīkkopu. Tas nozīmē, ka kods nav Python vai R, bet ir komerciālās MATLAB vides kods, lai gan GNU Octave var darboties kā atvērtā pirmkoda aizstājējs.
Gausa procesi mašīnmācībai
Būtība:Gausa procesi ir daļa no analīzēm, kuras izmanto Bajesa metodes. Šis teksts koncentrējas uz to, kā Gausa jēdzienus var izmantot parastajās mašīnmācīšanās metodēs, piemēram, klasifikācijā, regresijā un modeļu apmācībā.
Mērķauditorija:Aptuveni tas pats, kas "Bayesian Reasoning and Machine Learning".
Koda saturs:Lielākā daļa grāmatā redzamā koda ir pesudokods, taču, tāpat kā "Bayesian Reasoning and Machine Learning", pielikumos ir iekļauti MATLAB / Octave piemēri.
Mašīnmācība
Būtība: Eseju krājums par dažādiem un ļoti specifiskiem mašīnmācīšanās aspektiem. Daži ir vispārīgāki un filozofiskāki; citi ir vērsti uz konkrētām problēmu jomām, piemēram, "mašīnmācīšanās metodes runātā dialoga simulācijai un optimizācijai".
Mērķauditorija:Paredzēts lasītājiem, kā arī tehniski noskaņotākiem.
Koda saturs:Praktiski nav, kaut arī formulas ir daudz. Lasiet pēc garšas.
