Машинное обучение: что читать, смотреть и где учиться

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:

1. Петер Флах Машинное обучение: источник, Оглавление и отрывки из глав
2. Джеймс Г., Уиттон Д., Хасти Т., Тибширани Р. Введение в статистическое обучение с примерами на языке R: источник, Оглавление и отрывки из глав
3. Себастьян Рашка Python и машинное обучение: источник
4. Хенрик Бринк, Джозеф Ричардс Машинное обучение: источник
5. Хараламбос Марманис, Дмитрий Бабенко Алгоритмы интеллектуального Интернета. Передовые методики сбора, анализа и обработки данных: источник
6. К. В. Воронцов. Математические методы обучения по прецедентам (теория обучения машин): источник
7. Мерков А.Б. Введение в методы статистического обучения: источник
8. Аркадий Гелиг, Алексей Матвеев Введение в математическую теорию обучаемых распознающих систем и нейронных сетей. Учебное пособие: источник
9. Мерков А.Б. Построение и обучение вероятностных моделей: источник
10. Ричарт В., Коэльо П.Л. Построение систем машинного обучения на языке Python: источник, Оглавление и отрывки из глав (тут больше практика по машинному обучению)
11. Вьюгин В. Математические основы машинного обучения и прогнозирования: источник
12. Червоненкис А.Я. Теория обучения машин
13. Ричард С. Саттон, Эндрю Г. Барто Обучение с подкреплением: источник
14. Андреас Мюллер, Сара Гвидо Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными: источник
15. Дэви Силен, Арно Мейсман Основы Data Science и Big Data. Python и наука о данных: источник
16. Лепский А.Е., Броневич А.Г. Математические методы распознавания образов: Курс лекций: источник
17. Донской В. И. Алгоритмические модели обучения классификации:обоснование, сравнение, выбор: источник
18. Местецкий Л.М. Математические методы распознавания образов Курс лекций: источник
19. Кристофер Д. Маннинг, Прабхакар Рагхаван Введение в информационный поиск: источник
20. Юре Лесковец, Ананд Раджараман Анализ больших наборов данных: источник, оглавление и отрывки из глав
21. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение: источник, оглавление и отрывки из глав
22. 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