¿Qué libros se enseñan en los cursos de posgrado de aprendizaje automático?

En lugar de seguir un libro, combinamos múltiples fuentes.

En cada clase de Matemáticas e Informática, nuestra lista de lecturas recomendadas incluía múltiples libros y trabajos. Esto también fue cierto para las clases de Machine Learning.

Algunos de los libros más conocidos:

• Reconocimiento de patrones y aprendizaje automático por Christopher Bishop
• Los elementos del aprendizaje estadístico, por Trevor Hastie, Robert Tibshirani y Jerome Friedman.
• Aprendizaje automático: una perspectiva probabilística, por Kevin P. Murphy
• Minería de conjuntos de datos masivos por Jure Leskovec, Anand Rajaraman, Jeff Ullman
• Inteligencia artificial: un enfoque moderno, por Stuart Russell y Peter Norvig

En la clase de modelado predictivo que tomé, el profesor trabajó con “Minería de datos para Business Analytics” de Shmueli et al ..

Minería de datos para Business Analytics: conceptos, técnicas y aplicaciones con JMP Pro

Dio una introducción decente en el tema de ML / Predictive Analytics, porque describió un proceso de modelado predictivo y describió la mayoría de las técnicas “imprescindibles” (aprendizaje supervisado, no supervisado, …). Si tiene una versión demo o completa de SAS JMP, aún mejor porque el libro también muestra cómo aplicar esos conceptos en el software.

Después de trabajar en ML hoy en día, también recomiendo “Modelado predictivo aplicado” de Max Kuhn. Es una guía profunda que cubre más técnicas y va aún más en profundidad. Por cierto, él es el autor del paquete “caret” en R, por lo que todos los casos de uso también se dan como código R.

http://www.springer.com/de/book/ …

El reconocimiento de patrones (ISBN 9781597492720) se utiliza en mi universidad.