Yo recomendaría los siguientes libros. Hay muchos artículos científicos si busca en Google Académico con la palabra clave. Estos son libros estándar que muchas personas recomendaron.
Análisis de regresión aplicada (Serie Wiley en Probabilidad y Estadística): Norman R. Draper, Harry Smith: 9780471170822: Amazon.com: Books es un buen libro de introducción pero es un poco tedioso.
Amazon.com: Análisis de regresión por ejemplo (Serie Wiley en Probabilidad y Estadística) eBook: Samprit Chatterjee, Ali S. Hadi: Los libros tienen muchos ejemplos en los que trabajar y es un buen libro para leer para principiantes.
- ¿Qué tan rápido es Theano en comparación con otras implementaciones de DBN? ¿Cómo se compara con otras implementaciones de GPU (potencialmente no públicas) para la velocidad de entrenamiento en grandes conjuntos de datos?
- ¿Quiénes son los grandes nombres en el campo de investigación de los sistemas de recomendación?
- ¿Qué técnicas se usan generalmente para la reducción de la dimensionalidad en el campo de análisis de Big Data?
- ¿Por qué la función sigmoidea rara vez se usa en capas ocultas recientemente?
- ¿Cómo es usar Theano en Python?
Análisis de datos usando modelos de regresión y multinivel / jerárquicos: Andrew Gelman, Jennifer Hill: 9780521686891: Amazon.com: los libros usan inferencia estadística bayesiana y no son tan matemáticos.
Análisis de regresión aplicada y modelos lineales generalizados: John Fox: 9780761930426: Amazon.com: Books es un buen libro con implementación utilizando el lenguaje de programación R.
