Объем 304 страницы
Подарите скидку 10%
Посоветуйте эту книгу и получите 47,91 ₽ с покупки её другом.
О книге
Применение машинного обучения для лучшего понимания природы данных – умение, необходимое любому современному разработчику программ или аналитику. Python – замечательный язык для создания приложений машинного обучения. Благодаря своей динамичности он позволяет быстро производить разведочный анализ данных и экспериментировать с ними. Обладая первоклассным набором библиотек машинного обучения с открытым исходным кодом, Python дает возможность сосредоточиться на решаемой задаче и в то же время опробовать различные идеи.Книга начинается с краткого введения в предмет машинного обучения и знакомства с библиотеками NumPy, SciPy, scikit-learn. Но довольно быстро авторы переходят к более серьезным проектам с реальными наборами данных, в частности, тематическому моделированию, анализу корзины покупок, облачным вычислениям и др.Издание рассчитано на программистов, пишущих на Python и желающих узнать о построении систем машинного обучения и научиться извлекать из данных ценную информацию, необходимую для решения различных задач.
Жанры и теги
Дата выхода на Литрес:
26 февраля 2017
Общее кол-во страниц:
Для тех, кто хочет на русском языке почитать
Прежде чем заниматься конкретно машинным обучением, рекомендую всё же ознакомится с книгами
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 ознакомится с книгой
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:
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
На любителя
Занимательная статистика. Манга. http://dmkpress.com/catalog/computer/statistics/978-5-94120-269-0
Занимательная статистика. Регрессионный анализ. Манга http://dmkpress.com/catalog/computer/statistics/978-5-97060-115-0
Занимательная математика. Производные
и интегралы. Манга http://dmkpress.com/catalog/manga/978-5-94120-228-7/
Занимательная статистика. Факторный анализ. Манга http://dmkpress.com/catalog/computer/statistics/978-5-97060-116-7
Потом уже можно браться за стандартный учебник математического анализа
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
Перечень будет дополнятся только если появится действительно стоящий курс или книга.