Что лучше всего подходит для изучения искусственного интеллекта, лекций или книг?

101
12
1
Лучший ответ
112

Я бы предложил сначала бесплатно книги, которые вы должны увидеть здесь.

Можно с уверенностью сказать, что вы ищете несколько лучших книг, чтобы поближе познакомиться с основами ИИ и машинного обучения? Вот мой список 20 лучших книг по искусственному искусству и машинному обучению, которые вас поразят! Машинное обучение - это исследование компьютерных систем, основанных на данных и опыте.

Прежде чем вы начнете изучать книги, я бы порекомендовал ознакомиться с предыдущим постом. Список из 10 бесплатных книг для машинного обучения.

Любой регион, в котором вам нужно понять данные, является потенциальным клиентом машинного обучения. Пролог к ​​прологическому программированию для искусственного интеллекта, распространяющийся по крестам как на важные, так и на прогрессивные компьютеризированные рассуждения. Особое преимущество этой работы - сочетание искусственного интеллекта, пролога и обоснования. Каждая структура объединена программой, реализующей это.

PS: FavouriteBlog определенно не пользуется популярностью у Amazon - этот список представлен только для того, чтобы наши читатели могли оценить захватывающие книги.

Ниже представлены 20 самых популярных книг в категории «ИИ и машинное обучение».

1.) Python Машинное обучение на примере

2.) Искусственный интеллект: руководство для абсолютного новичка (секрет данных)

3.) Практическое машинное обучение с Scikit-Learn и TensorFlow: концепции, инструменты и методы для построения интеллектуальных систем

4.) Жизнь 3.0: Быть человеком

5.) Суперинтеллект: пути, опасности, стратегии

6.) Глубокое обучение (серия «Адаптивные вычисления и машинное обучение»)

7.) Мастер Алгоритм: как поиски совершенной машины обучения превратят наш мир

8.) Создайте свою собственную нейронную сеть: подробное визуальное введение для начинающих

9.) Наше последнее изобретение: искусственный интеллект и конец человеческой эры

10.) Машинное обучение для начинающих: простое, краткое и полное введение в алгоритмы обучения под наблюдением и без присмотра.

11.) Что делать, когда машины делают все: как двигаться вперед в мире ИИ, алгоритмов, ботов и больших данных

12.) Введение в машинное обучение с помощью Python: руководство для специалистов по данным

13.) Глубокое обучение для начинающих: концепции, методы и инструменты (секрет данных)

14.) Amazon Echo: 2016 - полное руководство по изучению Amazon Echo в кратчайшие сроки

15.) Машинное обучение Python

16.) Машинное обучение: новый искусственный интеллект: серия необходимых знаний для прессы MIT

17.) Основы машинного обучения для прогнозной аналитики данных: алгоритмы, проработанные примеры и тематические исследования

18.) Основной алгоритм: как поиск совершенной обучающей машины превратит наш мир

18.) Людям не нужно подавать заявку: руководство по богатству и труду в эпоху искусственного интеллекта

19.) Машинное обучение: искусство и наука об алгоритмах, которые имеют смысл данных

20.) Что думать о машинах, которые думают: ведущие современные мыслители эпохи машинного интеллекта

1. Желание машинного обучения - Эндрю Нг

Искусственный интеллект, машинное обучение и глубокое обучение меняют различные предприятия. Эта книга быстро подхватывает цель, которая поможет вам в создании ИИ-фреймворков.

Где загрузить вниз: нажмите здесь

2. Понимание машинного обучения: от теории к алгоритмам - Шай Шалев-Шварц и Шай Бен-Давид

Машинное обучение - одна из самых быстро развивающихся областей разработки программного обеспечения с обширными приложениями. В этой книге представлено машинное обучение и принципиальные алгоритмические стандарты, которые оно предлагает. Книга дает гипотетический отчет об основах базового машинного обучения и численных выводах, которые превращают эти стандарты в полезные вычисления. эта книга охватывает важнейшие алгоритмические стандарты, в том числе стохастическое погружение на склон, нейронные системы и организованное обучение доходности; и развитие гипотетических идей.

Где загрузить вниз: нажмите здесь

3. Think Stats: вероятность и статистика для программистов - Аллен Б. Дауни

Think Stats - это пролог к ​​вероятности и статистике для разработчиков Python.

Think Stats подчеркивает основные стратегии, которые вы можете использовать, чтобы исследовать подлинные информационные коллекции и отвечать на интригующие запросы.

Где загрузить вниз: нажмите здесь

4. Вероятностное программирование и байесовские методы для хакеров - Кэм Дэвидсон-Пилон

Введение в байесовские стратегии и вероятностное программирование с начального расчета, арифметическая вторая точка зрения.

Байесовская стратегия - это нормальный способ справиться с логическим выводом, однако ее избегают сторонние читатели за секциями умеренного численного анализа. Регулярное содержание байесовского предположения включает в себя несколько разделов о гипотезе правдоподобия, а затем входит в то, что представляет собой байесовский вывод.

Где загрузить вниз: нажмите здесь

5. Элементы статистического обучения - Тревор Хасти, Роберт Тибширани и Джером Фридман

Сфера охвата книги обширна: от управляемого обучения (ожидания) до обучения без учителя. Многочисленные пункты включают нейронные системы, опорные векторные машины, деревья характеристик и бустинг - первичное обширное рассмотрение этой темы в любой книге.

Где загрузить вниз: нажмите здесь

6. Основы науки о данных - Аврим Блум, Джон Хопкрофт и Равиндран Каннан

Эта книга, охватывающая гипотезу, которая может быть полезной в последующие 40 лет, так же, как и понимание гипотезы автоматов, расчетов и связанных с ними тем, дала учащимся благоприятную позицию в течение последних 40 лет.

Где загрузить вниз: нажмите здесь

7. Введение в статистическое обучение с приложениями в R - Гарет Джеймс, Даниэла Виттен, Тревор Хасти и Роберт Тибширани

Книга содержит различные лабораторные работы с подробными разъяснениями о наиболее эффективном методе для реализации различных стратегий, всех рассмотренных вещей, настроек и должна быть важным активом для исследователя репетирующей информации.

Где загрузить вниз: нажмите здесь

8. Руководство программиста по интеллектуальному анализу данных: древнее искусство нумерати - Рон Захарски

Материалы для чтения изложены в виде последовательности небольших шагов, которые расширяются друг на друга до тех пор, пока, когда вы закончите книгу, вы не создадите основу для понимания систем интеллектуального анализа информации.

Где загрузить вниз: нажмите здесь

9. Глубокое обучение - Йен Гудфеллоу, Йошуа Бенжио и Аарон Курвилл

Чтение курса глубокого обучения является активом, предложенным, чтобы помочь начинающим специалистам и специалистам войти в область машинного обучения в целом и углубленного обучения, в частности. Онлайн-адаптация книги в настоящее время полная и останется доступной онлайн бесплатно.

Где загрузить вниз: нажмите здесь

10. Добыча массивных наборов данных - Юре Лесковец, Ананд Раджараман и Джефф Уллман

Книга написана на уровне программной инженерии, чтобы поддержать дальнейшие исследования, большинство частей дополнены новыми ссылками.

Где загрузить вниз: нажмите здесь

ответил(а) 2020-03-10T00:13:31+03:00 2 года, 3 месяца назад
78

Я бы посоветовал перейти по этой ссылке, чтобы узнать AI за 6 простых шагов.

ответил(а) 2020-03-10T00:13:31+03:00 2 года, 3 месяца назад
46

Спасибо за A2A

Вычислительный интеллект: Введение, второе издание, предлагает углубленное исследование адаптивных механизмов, определяющих интеллектуальное поведение в сложных и изменяющихся средах. Основное внимание в этом тексте сосредоточено на вычислительном моделировании биологических и естественных интеллектуальных систем, включающих интеллектуальный анализ роя, нечетких системы, искусственные нейтральные сети, искусственные иммунные системы и эволюционные вычисления.

ответил(а) 2020-03-10T00:13:31+03:00 2 года, 3 месяца назад
46

Элементы статистического обучения: сбор данных, вывод и прогнозирование, второе издание

Эта книга описывает важные идеи в различных областях, таких как медицина, биология, финансы и маркетинг в общей концептуальной структуре. Хотя этот подход является статистическим, упор делается на концепции, а не на математику. Приводится много примеров с либеральным использованием цветной графики. Это ценный ресурс для статистиков и всех, кто интересуется добычей данных в науке или промышленности. Охват книги широкий, от контролируемого обучения (прогнозирования) до неконтролируемого обучения. Множество тем включают нейронные сети, опорные векторные машины, деревья классификации и бустинг - первое всестороннее рассмотрение этой темы в любой книге.

В этом крупном новом издании представлены многие темы, не охваченные в оригинале, включая графические модели, случайные леса, методы ансамбля, алгоритмы регрессии с наименьшим углом и алгоритмы траектории для лассо, неотрицательной матричной факторизации и спектральной кластеризации. Существует также глава о методах для «широких» данных (p больше, чем n), включая множественное тестирование и частоту ложных обнаружений.

ответил(а) 2020-03-10T00:13:31+03:00 2 года, 3 месяца назад
46

Глубокая революция обучения

Глубокая революция в обучении принесла нам автомобили без водителя, значительно улучшенный Google Translate, свободное общение с Siri и Alexa и огромные прибыли от автоматической торговли на Нью-Йоркской фондовой бирже. Сети глубокого обучения могут играть в покер лучше, чем профессиональные игроки в покер, и победить чемпиона мира в Го. В этой книге Терри Сейновски объясняет, как глубокое обучение превратилось из тайной академической области в прорывную технологию в информационной экономике.

(Читать дальше эту книгу)

ответил(а) 2020-03-10T00:13:31+03:00 2 года, 3 месяца назад
Ваш ответ
Введите минимум 50 символов
Чтобы , пожалуйста,
Выберите тему жалобы:

Другая проблема