ВВЕДЕНИЕ В МАШИННОЕ ОБУЧЕНИЕ С ПОМОЩЬЮ PYTHON РУКОВОДСТВО ДЛЯ СПЕЦИАЛИСТОВ ПО РАБОТЕ С ДАННЫМИ PDF

Материал из MachineLearning.

Текст лекций: (PDF, 3 МБ) — обновление 4.10.2011.

Презентация: (PDF, 3.9 МБ) — обновление 4.05.2021.
Видеозапись: Лекция

Обзор курса. Постановки оптимизационных задач в машинном обучении.

Адаптивные методы прогнозирования

Презентация: (PDF, 0,9 MБ) — обновление 14.12.2019.
Видеозапись: Лекция Семинар
Видеозапись лекции Евгения Рябенко

Презентация: (PDF, 0,8 МБ) — обновление 6.04.2023.
Видеозапись: Лекция Семинар

Продвинутые методы ансамблирования

Презентация: (PDF, 1.5 МБ) — обновление 27.04.2023.
Видеозапись: Лекция Семинар

Презентация: (PDF, 0,8 MБ) — обновление 13.10.2022.
Видеозапись: Лекция Семинар

Текст лекций: (PDF, 1 MБ).
Презентация: (PDF, 1.0 МБ) — обновление 6.11.2021.
Видеозапись: Лекция Семинар

Основные понятия и примеры прикладных задач

Презентация: (PDF, 1,7 МБ) — обновление 22.09.2023.
Видеозапись: Лекция Семинар

Критерии выбора моделей и методы отбора признаков

Текст лекций: (PDF, 330 КБ).
Презентация: (PDF, 1,6 МБ) — обновление 22.10.2022.
Видеозапись: Лекция Семинар

Метрические методы классификации и регрессии

Презентация: (PDF, 3,8 МБ) — обновление 22.09.2023.
Видеозапись: Лекция Семинар

Презентация: (PDF, 1.2 МБ) — обновление 24.04.2021.
Видеозапись: Лекция Семинар

Градиентные методы оптимизации

Презентация: (PDF, 1,4 МБ) — обновление 22.09.2023.
Видеозапись: Лекция Семинар

Презентация: (PDF, 3.6 МБ) — обновление 17.03.2023.
Видеозапись: Лекция Семинар

Презентация: (PDF, 0.8 МБ) — обновление 6.04.2023.
Видеозапись: Лекция Семинар

Себастьян Рашка, Вахид Мирджалили

Книга является всеобъемлющим руководством по машинному и глубокому обучению с использованием языка Python. Она служит как пошаговым учебным пособием, так и справочником, к которому вы постоянно будете возвращаться в ходе построения систем машинного обучения.

Книга наполнена четкими пояснениями, визуальными представлениями, работающими примерами и детально раскрывает все важные методики машинного обучения. В то время как некоторые книги учат вас следовать инструкциям, Рашка и Мирджалили излагают принципы, лежащие в основе машинного обучения, что позволит вам самостоятельно строить модели и приложения.

Третье издание книги обновлено с целью учета версии библиотеки TensorFlow 2 и последних добавлений в scikit-learn. Оно расширено для охвата двух самых современных методик машинного обучения: обучения с подкреплением и порождающих состязательных сетей.

Эта книга — ваш попутчик в машинном обучении с применением Python, будь вы разработчиком приложений на языке Python, не знакомым с машинным обучением, или разработчиком, желающим углубить свои знания в современных областях.

Логические методы классификации

Текст лекций: (PDF, 625 КБ).
Презентация: (PDF, 1.3 МБ) — обновление 22.10.2022.
Видеозапись: Лекция
Семинар

Мюллер А. , Гидо С.

Данная книга адресована действующим и начинающим специалистам по машинному обучению, решающим реальные задачи. Эта книга является вводной и не требует предварительных знаний в области машинного обучения или искусственного интеллекта. Мы сосредоточимся на использовании языка Python и библиотеки scikit-learn, рассмотрим все этапы создания успешного проекта по машинному обучению. Методы, которые мы затронем, пригодятся ученым и исследователям, а также специалистам по анализу данных, работающим в различных коммерческих сферах. Вы получите максимальную отдачу от книги, если хотя бы немного знакомы с языком Python и библиотеками NumPy и matplotlib.
 Мы приложили сознательные усилия, направленные на то, чтобы вместо изложения математических подробностей сосредоточиться в большей степени на практических аспектах использования алгоритмов машинного обучения. Поскольку математика (в частности, теория вероятностей) является той основой, на которой строится машинное обучение, мы не будем детально вдаваться в подробности алгоритмов. Если вас интересует математический аппарат алгоритмов машинного обучения, мы рекомендуем книгу издательства Springer The Elements of Statistical Learning за авторством Тревора Хасти, Роберта Тибширани и Джерома Фридмана, которая свободно доступна на сайте авторов. Кроме того, мы не будем рассказывать о том, как написать тот или иной алгоритм машинного обучения с нуля, и вместо этого сосредоточимся на 8 применении большого спектра моделей, уже реализованных в библиотеке scikit-learn и других библиотеках.

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.

Нейронные сети с обучением без учителя

Презентация: (PDF, 2,3 МБ) — обновление 17.02.2023.
Видеозапись: Лекция Семинар

Глубокие нейронные сети

Презентация: (PDF, 4,3 МБ) — обновление 12.02.2023.
Видеозапись: Лекция Семинар

Поиск ассоциативных правил

Презентация: (PDF, 1.3 МБ) — обновление 6.04.2023.
Видеозапись: Лекция Семинар

Кластеризация и частичное обучение

Презентация: (PDF, 1,6 МБ) — обновление 11.05.2023.
Видеозапись: Лекция Семинар

Линейный классификатор и стохастический градиент

Презентация: (PDF, 1,3 МБ) — обновление 22.09.2023.
Видеозапись: Лекция Семинар

Интерпретируемость и объяснимость

Презентация: (PDF, 3.5 МБ) — обновление 12.05.2023.

Байесовская теория классификации

Презентация: (PDF, 1,1 МБ) — обновление 27.11.2021.
Видеозапись: Лекция Семинар

Восстановление плотности распределения

Презентация: (PDF, 1,1 МБ) — обновление 20.11.2021.
Видеозапись: Лекция Семинар

Метод опорных векторов

Презентация: (PDF, 1,3 МБ) — обновление 30.09.2022.
Видеозапись: Лекция Семинар

Многомерная линейная регрессия

Презентация: (PDF, 1,1 MБ) — обновление 13.10.2022.
Видеозапись: Лекция Семинар

Инкрементное и онлайновое обучение

Презентация: (PDF, 1,0 МБ) — обновление 3.03.2023.
Видеозапись: Лекция Семинар

Модели внимания и трансформеры

Презентация: (PDF, 1,1 МБ) — обновление 10.03.2023.
Видеозапись: Лекция Семинар

Обучение с подкреплением

Презентация: (PDF, 1.1 МБ) — обновление 27.04.2023.
Видеозапись: Лекция Семинар

Аномалии и робастность

Презентация: (PDF, 1.7 МБ) — обновление 13.05.2023.