5 livres électroniques gratuits pour la maîtrise de l'apprentissage automatique

Il y a peu de sujets en informatique aussi fascinants ou intimidants que l'apprentissage automatique. Avouons-le - vous ne pouvez pas maîtriser l'apprentissage automatique en un week-end, et à tout le moins, cela nécessite une bonne compréhension des principes mathématiques sous-jacents.

Cela dit, si vous avez les compétences mathématiques, vous voudrez augmenter votre utilisation des cadres d'apprentissage automatique (il y en a beaucoup à choisir) avec une bonne compréhension de la théorie derrière eux.

Voici cinq textes gratuits de haute qualité qui fournissent des introductions et des explications sur les tenants et aboutissants de l'apprentissage automatique. Certains ont des exemples de code, mais la plupart se concentrent sur les formules et la théorie; en principe, ils peuvent être appliqués à n'importe quel nombre de langages, de cadres ou de problèmes.

Un cours d'apprentissage automatique

L'essentiel:  Un texte hautement lisible conçu pour fournir une approche extrêmement conviviale du sujet pour les débutants. Le livre est un travail en cours - certaines sections sont encore marquées TODO - mais ce qui manque d'exhaustivité, c'est l'accessibilité pure et simple.

Public cible:  toute personne ayant une bonne maîtrise du calcul, des probabilités et de l'algèbre linéaire. Aucune expertise dans une langue spécifique n'est requise.

Contenu du code:  certains pseudocodes; la majorité de ce qui est présenté est des concepts et des formules.

Les éléments de l'apprentissage statistique

L'essentiel:  un texte de plus de 500 pages qui couvre ce que les auteurs décrivent comme «apprendre à partir de données», les processus d'utilisation des statistiques qui sont à la base de l'apprentissage automatique. Il a fait l'objet de deux éditions et de 10 impressions depuis 2001, pour une bonne raison - il couvre une énorme quantité de territoire et n'est pas limité à un seul domaine.

Public cible:  Ceux qui ont déjà de bonnes bases en mathématiques et en statistiques et qui n'ont pas besoin de beaucoup de main pour traduire leurs compétences en mathématiques en un bon code.

Contenu du code:  aucun. Ce n'est pas un texte de développement logiciel; il s'agit de concepts fondamentaux autour de l'apprentissage automatique.

Mentionné dans cet article
  • Un cours d'apprentissage automatique En savoir plus sur Hal Daumé III
  • Les éléments de l'apprentissage statistique, 2e éd. En savoir plus sur l'Université de Stanford
  • Raisonnement bayésien et apprentissage automatique En savoir plus sur David Barber
  • Processus gaussiens pour l'apprentissage automatique En savoir plus sur les processus gaussiens pour l'apprentissage automatique ...
  • Apprentissage automatique En savoir plus sur InTech

Raisonnement bayésien et apprentissage automatique

L'essentiel:  les méthodes bayésiennes sont à l'origine de tout, des filtres anti-spam à la reconnaissance de formes, elles constituent donc un domaine d'étude majeur pour les adeptes de l'apprentissage automatique. Ce texte présente tous les aspects majeurs des statistiques bayésiennes et comment elles s'appliquent aux scénarios courants de l'apprentissage automatique.

Public cible:  toute personne ayant une bonne maîtrise du calcul, des probabilités et de l'algèbre linéaire.

Contenu du code: beaucoup! Chaque chapitre contient à la fois un pseudo-code et des liens vers une boîte à outils de démos de code réel. Cela dit, le code n'est pas en Python ou R, mais c'est du code pour l'environnement commercial MATLAB, bien que GNU Octave puisse fonctionner comme un substitut open source.

Processus gaussiens pour l'apprentissage automatique

L'essentiel:  les processus gaussiens font partie de la famille des analyses utilisées par les méthodes bayésiennes. Ce texte se concentre sur la manière dont les concepts gaussiens peuvent être utilisés dans les méthodes d'apprentissage automatique courantes telles que la classification, la régression et la formation de modèles.

Public cible: à  peu près le même que "Bayesian Reasoning and Machine Learning".

Contenu du code:  La plupart du code présenté dans le livre est pesudocode, mais comme "Bayesian Reasoning and Machine Learning", les annexes incluent des exemples pour MATLAB / Octave.

Apprentissage automatique

L'essentiel: une collection d'essais sur des aspects différents et très spécifiques de l'apprentissage automatique. Certains sont plus généraux et philosophiques; d'autres se concentrent sur des domaines de problèmes spécifiques, tels que «Méthodes d'apprentissage automatique pour la simulation et l'optimisation du dialogue parlé».

Public cible:  Destiné aux lecteurs non professionnels ainsi qu'aux plus enclins à la technique.

Contenu du code:  pratiquement aucun, bien que les formules abondent. Lisez pour la saveur.