Видео и подкасты для разработчиков
Машинное обучение: что читать, смотреть и где учиться
На русском сайте StackOverflow в вопросе о хороших книгах по математике и машинному обучению сформировали список материалов, с которых стоит начать изучение этой предметной области.
На русском сайте StackOverflow сформировали список материалов, с которых стоит начать изучать машинное обучение и эту предметную область!
Для тех, кто хочет на русском языке почитать про Машинное обучение:
- Петер Флах Машинное обучение: источник, Оглавление и отрывки из глав
- Джеймс Г., Уиттон Д., Хасти Т., Тибширани Р. Введение в статистическое обучение с примерами на языке R: источник, Оглавление и отрывки из глав
- Себастьян Рашка Python и машинное обучение: источник
- Хенрик Бринк, Джозеф Ричардс Машинное обучение: источник
- Хараламбос Марманис, Дмитрий Бабенко Алгоритмы интеллектуального Интернета. Передовые методики сбора, анализа и обработки данных: источник
- К. В. Воронцов. Математические методы обучения по прецедентам (теория обучения машин): источник
- Мерков А.Б. Введение в методы статистического обучения: источник
- Аркадий Гелиг, Алексей Матвеев Введение в математическую теорию обучаемых распознающих систем и нейронных сетей. Учебное пособие: источник
- Мерков А.Б. Построение и обучение вероятностных моделей: источник
- Ричарт В., Коэльо П.Л. Построение систем машинного обучения на языке Python: источник, Оглавление и отрывки из глав (тут больше практика по машинному обучению)
- Вьюгин В. Математические основы машинного обучения и прогнозирования: источник
- Червоненкис А.Я. Теория обучения машин
- Ричард С. Саттон, Эндрю Г. Барто Обучение с подкреплением: источник
- Андреас Мюллер, Сара Гвидо Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными: источник
- Дэви Силен, Арно Мейсман Основы Data Science и Big Data. Python и наука о данных: источник
- Лепский А.Е., Броневич А.Г. Математические методы распознавания образов: Курс лекций: источник
- Донской В. И. Алгоритмические модели обучения классификации:обоснование, сравнение, выбор: источник
- Местецкий Л.М. Математические методы распознавания образов Курс лекций: источник
- Кристофер Д. Маннинг, Прабхакар Рагхаван Введение в информационный поиск: источник
- Юре Лесковец, Ананд Раджараман Анализ больших наборов данных: источник, оглавление и отрывки из глав
- Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение: источник, оглавление и отрывки из глав
- Шлезингер М.И. Десять лекций по статистическому и структурному распознаванию образов: источник
Для тех, кто хочет на русском языке посмотреть:
- Высшая школа экономики Введение в машинное обучение: источник Coursera
- Специализация Машинное обучение и анализ данных включающая себя 6 курсов: источник Coursera
- Видеолекции курса «Машинное обучение» от Школы анализа данных Яндекса источник на яндексе или источник на ютубе
- Специализация Анализ Данных от Stepik
- Курс Нейронные сети: источник
- Видеолекциии (13шт.) Введение в анализ данных: источник Mail.ru
- Видеолекциии (1 семестр) Data Minig: источник Mail.ru
- Видеолекциии (2 семестр) Data Minig: источник Mail.ru
- Computer Science Center Машинное обучение, часть 1 (осень 2016): источник ютуб
- Computer Science Center Машинное обучение, часть 2 (весна 2017): источник ютуб
- Data Mining in Action 10 лекций по ML: источник ютуб
- Компьютерные науки Тренировки Machine Learning: источник ютуб здесь люди делятся своим реальным опытом в ML
- Высшая школа экономики, курс Линейная алгебра: источник Coursera
- Лекториум Линейная алгебра и аналитическая геометрия: источник ютуб
- МФТИ, курс Теория вероятностей для начинающих: источник Coursera
- МФТИ, курс Математика для всех: источник Coursera
- Курс от Stepik Основы статистики: часть1,часть2, часть3
- Курс от Stepik Математическая статистика: источник
- Курс от Stepik Введение в дискретную математику: источник
- Курс от Stepik Ликбез по дискретной математике: источник
- Курс от Stepik Введение в математический анализ: источник
- Курс от Stepik Математический анализ: часть1, часть2
- Курс от Stepik Анализ данных в R: часть1, часть2
- Computer Science Center Анализ данных на R в примерах и задачах (весна 2016): источник ютуб
- Computer Science Center Анализ данных на R в примерах и задачах, часть 2 (весна 2017): источник ютуб
- Канал на ютубе Основы анализа данных: источник
- KhanAcademyRussian Теор. вероятн-ей и комбинаторика: источник ютуб
- Алгебра (133 видео): источник KhanAcademyRussian
Прежде чем заниматься конкретно машинным обучением, рекомендую всё же ознакомится с книгами
- Стюарт Рассел, Питер Норвиг Искусственный интеллект. Современный подход: источник
- Джордж Ф. Люгер Искусственный интеллект. Стратегии и методы решения сложных проблем: источник
Таким образом у вас сформируется более четкое понимание предметной области машинного обучения и сильно расширит ваш кругозор. Нейронные сети занимают важную позицию в машинном обучении, поэтому стоит ознакомиться с книгой
- Саймон Хайкин Нейронные сети. Полный курс: источник
Так же вы должны уметь производить предварительный анализ данных, что бы понять, какие методы машинного обучения можно применить к вашему набору данных или как его лучше подготовить. В этом вам помогут следующие книги:
- Борис Миркин Введение в анализ данных. Учебник и практикум: источник
- Марина Архипова, Татьяна Дуброва Анализ данных. Учебник: источник
- Загоруйко Н.Г. Прикладные методы анализа данных и знаний: источник
- Мостеллер Ф., Тьюки Дж. Анализ данных и регрессия: источник
- Рубан А.И. Методы анализа данных
- Уэс Маккинни Python и анализ данных: источник (практика)
- Роберт И. Кабаков R в действии. Анализ и визуализация данных на языке R: источник (практика)
Вы должны знать хорошо математику (в особенности линейную алгебру), статистику, теорию вероятностей, дискретную математику. Я, например, неважно знаю математику и мне очень тяжело читать стандартные учебники, рассчитанные на то, что преподаватель сможет разжевать скупое описание формулы, поэтому для легкого порога вхождения рекомендую следующие книги (от основ и выше):
- Стивен Х. Строгац Удовольствие от x. Увлекательная экскурсия в мир математики от одного из лучших преподавателей в мире: источник
- Юрий Шиханович Введение в современную математику. Начальные понятия: источник
- Рональд Л. Грэхем, Дональд Эрвин Кнут Конкретная математика. Математические основы информатики: источник
- Юрий Пухначев Математика без формул: книга1, книга2
- Риxард Курант, Герберт Роббинс Что такое математика? источник
- Тарасов Л.В. Азбука математического анализа. Беседы об основных понятиях. Учебное пособие: источник
Машинное обучение на любителя:
- Занимательная статистика. Манга: источник
- Занимательная статистика. Регрессионный анализ. Манга: источник
- Занимательная математика. Производные и интегралы. Манга: источник
- Занимательная статистика. Факторный анализ. Манга: источник
Потом уже можно браться за стандартный учебник математического анализа
- Фихтенгольц Г.М. Основы математического анализа: источник (это один из немногих классических учебников, где например хорошо разжевано понятие производной, поверьте, я многих сравнивал).
Статистика, теория вероятностей:
- Гнеденко Б.В., Хинчин А.Я. Элементарное введение в теорию вероятностей: источник
- Сара Бослаф Статистика для всех: источник
- Чарльз Уилан Голая статистика. Самая интересная книга о самой скучной науке: источник
Человек-машина: лучшие курсы по искусственному интеллекту и машинному обучению
-
Приложения4 дня назад
Перевод по фото для iOS и Android 2025
-
Приложения6 дней назад
Решение уравнений по фотографии — приложения для математиков
-
Исследования4 недели назад
Поможет ли новая архитектура React Native отобрать лидерство у Flutter в кроссплатформенной разработке?
-
Аналитика магазинов4 недели назад
CapCut поглощает рынок видеоредакторов