¿Qué es un buen libro para el aprendizaje automático y la inteligencia artificial?

Hicimos una lista de buenos libros (en su mayoría disponibles de forma gratuita, adelante y cómprelos) que recomendamos en ParallelDots aquí: Lista de libros gratuitos que deben leerse. Los recomiendo absolutamente a todos.

KDNuggets, 2 meses después, presentó una lista sorprendentemente similar de libros que validaron sorprendentemente nuestras ideas 😉 10 libros gratuitos que debes leer para el aprendizaje automático y la ciencia de datos

Bueno, la mejor manera de aprender ML es ir al curso de aprendizaje automático de Andrew Ng en Coursera seguido de su serie Deep Learning.

Pero, dado que ha pedido libros específicamente, creo que los siguientes dos serán el mejor curso para Machine Learning:

1. Programación de Inteligencia Colectiva de la Publicación O’Reilly
2. Aprendizaje automático por Tom MM Mitchell

En cuanto a la inteligencia oficial, es decir (ML junto con otras técnicas y métodos para diseñar máquinas a la par con los humanos), los siguientes cuatro libros juntos ofrecen un curso completo:

1. Inteligencia artificial: un enfoque moderno de Russell y Norvig

2. Inteligencia Artificial para Humanos (Volumen 1) Por Jeff Heaton

3. Paradigma de programación de inteligencia artificial por Peter Norvig

4. Inteligencia artificial: una nueva síntesis de Nils J Nilsson

¡Vota amablemente, si ayudó!

Para el aprendizaje automático, no hay libros específicos que recomendaría, prefiero sugerirle que revise los temas, comenzando por algos. Los siguientes son una lista de términos, algoritmos con los que debe considerar estar familiarizado:

Variable aleatoria

Variable categórica

Matriz estocástica

Función de densidad de probabilidad

Función de probabilidad

Estadísticas paramétricas y estadísticas no paramétricas

Distribución de probabilidad

Distribución de probabilidad condicional

Distribución marginal

Distribución conjunta de probabilidad

Distribución bivariada

Distribución multivariante

Análisis de regresión

1. Regresión lineal

Regresión lineal simple

Regresión lineal múltiple

Regresión polinómica

Regresión lineal multivariante

Mínimos cuadrados ordinarios

2. Regresión logística

3. Regresión logística multinomial

4. Regresión del proceso gaussiano

5. Regresión no lineal

6. Regresión de cresta

7. Regresión de ángulo mínimo

Clasificadores

1. Discriminador lineal de Fisher

2. Clasificador Naïve Bayes

3. Perceptrón

4. Máquinas súper vectoriales

5. Clasificadores cuadráticos

6. Vecino más cercano a K

Red neuronal de propagación posterior

K-significa

Algoritmo Apriori

Bosque al azar

Hopfield

Red de función de base radial

También hay un curso de pluralsight sobre “aprendizaje automático a través de python”, que es bueno echarle un vistazo, pero no ningún detalle (solo vale la pena si ya tiene una cuenta de pluralsight, si no, no se suscriba a esto. (;) .

Algunas sugerencias de libros.

Mi siguiente paso sugerido es obtener un libro de ML decente (mi lectura más abajo), leer las principales secciones de introducción, y después de eso rebotar a cualquier parte que incorpore un algoritmo, usted está interesado. Cuando haya descubierto ese algo, salte a él, vea cada uno de los puntos de interés y, en particular, impleméntelo. En el paso anterior del curso en línea, a partir de ahora habría actualizado algunos algoritmos en Octave. Sea como fuere, aquí estoy buscando ejecutar un algoritmo sin ninguna preparación en un lenguaje de programación “real”. En cualquier caso, puede comenzar con una simple, por ejemplo, Regresión logística regularizada en L2, o k-means, pero también debe impulsarse a actualizar todos los más intrigantes, por ejemplo, SVM. Puede utilizar una implementación de referencia en una de las muchas bibliotecas existentes para asegurarse de obtener resultados equivalentes.

• El razonamiento bayesiano y el aprendizaje automático de David Barber
• El aprendizaje automático de Kevin Murphy: una perspectiva probabilística
• Los elementos del aprendizaje estadístico de Hastie, Tibshirani y Friedman
• Reconocimiento de patrones y aprendizaje automático de Bishop
• Aprendizaje automático de Mitchell

También hay numerosos libros excelentes que llaman la atención sobre un tema específico. Por ejemplo, Sutton and Re-Inforcement Learning es una obra de arte. Además, el libro Deep Learning (accesible en la web) prácticamente se está convirtiendo en un ejemplo antes de ser distribuido. Sea como fuere, necesita un par de esos libros para reunir una comprensión equilibrada y hasta cierto punto del campo.

10 libros electrónicos gratuitos que debes leer sobre conceptos básicos de aprendizaje automático.

Un buen libro de texto sobre inteligencia artificial es este Artificial Intelligence: A Modern Approach (Prentice Hall Series in Artificial Intelligence). Tiene una amplia gama de temas como DFS, BFS, búsqueda A *, escalada, lógica de primer orden, un poco de aprendizaje automático y minería de datos. Es un libro bastante grande, por lo que te recomiendo que elijas las áreas de inteligencia artificial que deseas aprender. Otro buen libro sobre IA es esta Inteligencia Artificial: Fundamentos de los Agentes Computacionales.

Para el aprendizaje automático, el mejor libro es este clásico, Los elementos del aprendizaje estadístico: minería de datos, inferencia y predicción, segunda edición. Tiene una introducción tema por tema al campo del aprendizaje automático y la minería de datos. Y se centra en los aspectos matemáticos y teóricos del aprendizaje automático y la minería de datos.

Otro de mis favoritos es este libro Introducción al aprendizaje automático. Fue el primer libro que tomé durante mis estudios de maestría. Proporciona una buena introducción a todas las áreas del aprendizaje automático. Hay más cobertura en términos de amplitud en lugar de profundidad en este libro, por lo que le ofrece una buena visión general antes de entrar en cada tema en detalle.

Además de los libros, también puede seguir los tutoriales para comenzar. Siga estos cursos en la misma secuencia (suponiendo que no sepa nada sobre Machine Learning).

1. Aprendizaje automático | Coursera
2. CS231n: redes neuronales convolucionales para el reconocimiento visual

Luego puede revisar algunos de sus conceptos y profundizar en el aprendizaje profundo, puede leer este libro muy bien escrito.

https://www.amazon.com/gp/produc …

PD: Después de tener un conocimiento suficiente de Machine Learning, la mejor manera en mi opinión para avanzar en el campo es leer los últimos trabajos de investigación (archivo eX Print de arXiv.org).

PCI es popularmente conocido y es uno de los mejores libros para comenzar a aprender el aprendizaje automático … El libro usa python para ofrecer aprendizaje automático.

Enseña algoritmos básicos de inteligencia artificial como dimensionalidad, métricas de distancia, agrupamiento, cálculo de errores, escalada, Nelder Mead y regresión lineal. Explica estos algoritmos utilizando ejemplos y casos interesantes.

Según yo, estos son los mejores para principiantes … Espero que ayude …

Consulte este libro completo gratuito en línea (que incluye una gran introducción de Matemáticas y probabilidad, si necesita un repaso allí): Aprendizaje profundo.

Es bastante técnico y formal, pero también completo y reciente. Con un poco de esfuerzo, puede adquirir una muy buena comprensión de un amplio conjunto de temas de LD. Fue escrito por Ian Goodfellow y Yoshua Bengio, quienes son dos de los investigadores más perspicaces y creativos en el campo.

Si desea ir más allá de los libros, describí un plan para aprender el aprendizaje profundo, utilizando recursos en línea gratuitos: una guía para principiantes para aprender Aprendizaje profundo – Buena audiencia

Con mucho, el mejor libro de Machine Learning que he encontrado es el Aprendizaje automático práctico con Scikit-Learn y TensorFlow.

Si está buscando algo que cubra todo, desde los conceptos básicos absolutos hasta las tácticas avanzadas, y que incluya ejemplos prácticos de codificación del mundo real, este es el libro.

Siga este camino en 2017 : el plan de aprendizaje de ciencia de datos más completo para 2017

Github

• josephmisiti / awesome-machine-learning
• owainlewis / awesome-artificial-intelligence

Mire esta respuesta: la respuesta de Shivaram KR a ¿Cómo aprendo el aprendizaje automático?

Si desea obtener información básica sobre IA, sugiera mirar el libro de IA de Peter Norvig

Compre Inteligencia Artificial 3e: un libro de enfoque moderno en línea a precios bajos en India

Escribí la respuesta aquí:

La respuesta de Riyaj Shaikh a Estoy dispuesto a aprender análisis de datos pero no puedo decidir qué curso preferiría y con qué academia.

Te ayudará.

Hay bastantes libros.

1. Inteligencia artificial: un enfoque moderno de Peter Norvig y Stuart J Russell.
2. Inteligencia artificial de George f luger
3. Aprendizaje automático por Tom M Mitchell
4. Reconocimiento de patrones y aprendizaje automático por Christopher Bishop.

Simplemente comience con estos por ahora y estará listo para comenzar.

Para inteligencia artificial, puede leer AI de Russell norvig. Este es uno de los mejores libros sobre IA.

Puedes unirte al curso de IA en edx. Eso es bastante bueno

Comience con AI-A Modern Approach 3ed

Descansa, descubrirás a medida que progresas con un conocimiento no tan introductorio de IA.

El libro de Peter Norvig sobre IA

El libro de Tom Mitchell sobre Machine Learning