учебник по машинному обучению
Подборка: Более 70 источников по машинному обучению для начинающих
Индикатор кулачкового аналогового компьютера / Wiki
В нашем блоге мы уже рассказывали о разработке системы квантовой связи и о том, как из простых студентов готовят продвинутых программистов. Сегодня мы решили вернуться к теме машинного обучения и привести адаптированную (источник) подборку полезных материалов.
Это список предназначен для тех, кто только начинает изучать тему машинного обучения, например, с использованием Python (если вы хотите начать учить Python, вам в помощь эта статья).
Машинное обучение – это лишь одна из математических дисциплин, связанных с понятием «данные». Чтобы разобраться в том, что такое аналитика данных, анализ данных, наука о данных, машинное обучение и большие данные, прочитайте этот материал.
Вот инструменты, которые вам понадобятся:
Не страшно, если у вас установлен Python 2.7. Переходить на Python 3 нет необходимости. Вместо Anaconda вы можете воспользоваться pip или virtualenv. Не можете определиться? Прочитайте этот материал.
Для начала познакомьтесь с IPython Notebook (это займет 5-10 минут). Еще можете посмотреть это видео. Далее рассмотрите небольшой пример (это займет 10 минут) классификации цифр с использованием библиотеки scikit-learn.
Наглядное введение в теорию машинного обучения
Давайте побольше узнаем о машинном обучении: об идеях и особенностях. Прочитайте статью Стефани Йи (Stephanie Yee) и Тони Чу (Tony Chu) «Наглядное введение в машинное обучение. Часть 1».
Прочитайте статью профессора Педро Домингоса (Pedro Domingos). Во время чтения не торопитесь, делайте заметки. В статье можно выделить два основных момента:
Одних только данных недостаточно. Домингос писал: «…нет ничего удивительного в том, что для обучения нужны знания. Машинное обучение не может получить что-то из ничего, но может получить большее из меньшего. Обучение похоже на сельское хозяйство, где большую часть работы делает природа. Фермеры дают семенам питательные вещества, чтобы вырастить урожай. Так и здесь: чтобы создать программу, нужно совместить знания и данные».
Большое количество данных лучше детально продуманного алгоритма. Не пытайтесь изобретать велосипед и усложнять решения: выбирайте кратчайший путь, ведущий к цели. Домингос говорит: «Как правило, «глупый» алгоритм с большим количеством данных превосходит «умный» алгоритм с небольшим количеством данных. В машинном обучении главную роль всегда играют данные».
Итак, знания и данные имеют решающее значение. Это означает, что усложнять алгоритмы нужно только тогда, когда у вас действительно нет выбора.
Схема составлена на основе слайда из лекции Алекса Пинто (Alex Pinto) «Математика на страже безопасности: руководство по мониторингу с применением машинного обучения».
Обучайтесь на примерах
Выберете и рассмотрите один или два примера из представленных ниже.
Курсы по машинному обучению
Будет полезно, если вы начнете работать над каким-нибудь небольшим самостоятельным проектом – так у вас будет возможность применить полученные знания на практике. Можете воспользоваться одним из этих наборов данных.
Еще часто рекомендуют книгу «The Elements of Statistical Learning», но она, как правило, выступает в роли справочника. Книга бесплатная, поэтому скачайте ее или добавьте в закладки браузера.
Еще есть вот эти онлайн-курсы:
Изучаем Pandas
Чтобы работать с Python, вам необходимо познакомиться с пакетом Pandas. Вот список материалов, которые в этом помогут:
Еще больше материалов и статей
Вопросы, ответы, чаты
На данный момент лучшим местом для поиска ответов на свои вопросы является раздел о машинном обучении на stackexchange.com. Также есть сабреддит: /r/machinelearning. Присоединяйтесь к каналу по scikit-learn на Gitter! Еще стоит обратить внимание на обсуждения на Quora и большой перечень материалов по науке о данных от сайта Data Science Weekly.
Другие вещи, которые полезно знать
Послушайте и почитайте, что победители конкурсов Kaggle говорят о предложенных ими решениях. Например, почитайте блог «No Free Hunch».
Конкурсы или состязания лишь один из способов попрактиковаться. Вы можете начать проводить исследования:
15 книг по машинному обучению для начинающих
Data Science — оверхайповое направление IT. Мы сделали подборку книг по Machine Learning для тех, кто хочет разобраться, что да как.
IT стали толчком развития новых профессиональных областей: Data Mining, машинного обучения (Machine Learning) и других. Чтобы погрузиться в тему, читайте книги из нашей подборки.
Книги по машинному обучению на русском
Автор в сфере IT, digital, экономики и финансов. Ведет некоммерческий проект для начинающих писателей «ЛитЦех».
Владимир Вьюгин.
«Математические основы машинного обучения и прогнозирования»
Сначала изучите азы статистической теории машинного обучения, игр с предсказаниями и прогнозирования с применением экспертной стратегии. Их основы прекрасно объясняет автор книги, доктор физико-математических наук Владимир Вьюгин. Пособие рассчитано на студентов и аспирантов и в доступной форме излагает математические основы, необходимые для дальнейшей работы с машинным обучением.
Педро Домингос.
«Верховный алгоритм»
Книга, благодаря которой даже ничего не смыслящие в математике и статистике люди поймут, что такое алгоритмы машинного обучения и каково их применение в жизни. Профессор Педро Домингос рассказывает о пяти основных школах Machine Learning и о том, как они используют идеи из различных областей научного знания — нейробиологии, физики, статистики, биологии, — чтобы помогать людям решать сложные задачи и упрощать рутину с помощью алгоритмов.
Хенрик Бринк, Джозеф Ричардс, Марк Феверолф.
«Машинное обучение»
Эта книга 2017 года издания доступно рассказывает о Machine Learning — для тех, кто ничего не слышал об этих технологиях. В ней нет заумной статистики, математики или углубленного и подробного объяснения, как использовать тот или иной алгоритм. Авторы с легкостью объясняют, что такое машинное обучение и как его применять в повседневной жизни. Примеры в книге приводятся на языке программирования Python, который используется в том числе и в этой сфере.
Бастиан Шарден, Лука Массарон, Альберто Боскетти.
«Крупномасштабное машинное обучение вместе с Python»
Еще одна отличная книга для начинающих свой путь в программировании и анализе больших данных. Авторы утверждают, что благодаря ей читатель научится самостоятельно строить модели машинного обучения и развертывать крупномасштабные приложения для прогнозирования. В книге рассказывается о том, какие алгоритмы входят в семейство масштабируемых, что они из себя представляют и как с их помощью обрабатывать большие файлы. Также вы узнаете, что такое вычислительная парадигма MapReduce и как работать с машинными алгоритмами на платформах Hadoop и Spark на языке Python.
Себастьян Рашка.
«Python и машинное обучение»
Книга для новичков, осваивающих Python и машинное обучение. Издание содержит подробные мануалы даже по таким нюансам, как установка специализированного приложения Jupyter Notebook.
В книге рассматриваются основы Machine Learning, возможности самых мощных библиотек Python для анализа данных и дается ответ на вопрос, почему этот язык — один из лидеров в Data Science.
Георгий Кухарев, Екатерина Каменская, Юрий Матвеев, Надежда Щеголева.
«Методы обработки и распознавания изображений лиц в задачах биометрии»
Несмотря на то что эта книга рассчитана на начинающих и знакомит с основными принципами искусственного интеллекта — в частности, технологии распознавания лиц, — для полного понимания терминологии и комфортного погружения в чтение все же требуется некоторый бэкграунд. В ней рассматриваются такие вопросы биометрии, как методы анализа изображений лиц, получение исходных данных из реальных сцен, структуры систем распознавания и другие. Примеры в монографии приводятся на языке машинного обучения MATLAB. Если техническими фоновыми знаниями вы не обладаете, но книгу прочитать все же хочется — незнакомые термины можно гуглить, этого вполне достаточно, чтобы не испытывать при чтении никакого дискомфорта.
Петер Флах.
«Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных»
Это цветное издание с иллюстрациями также предназначено для новичков и рассматривает широкие вопросы машинного обучения. По мере погружения читателя в тему автор раскрывает все больше деталей, но книга не слишком сложна для восприятия: вся новая терминология объясняется, а статистические и логические модели описываются понятным неподготовленному читателю языком.
Книги для новичков по машинному обучению
В этом материале мы решили восполнить пробел и собрать лучшие книги по машинному обучению на русском языке — те, которые может прочитать и понять даже человек, лишь косвенно связанный с программированием и большими данными.
Книги по машинному обучению на русском языке
«Введение в машинное обучение с помощью Python», Андреас Мюллер, Сара Гвидо
Так как большинство разработок в сфере сегодня ведётся на языке Python, то в первую очередь следует штурмовать именно его. В нашем контексте новичкам лучше всего подойдёт вот эта книга по machine learning, поскольку акцент в ней сделан на теоретическую часть обработки данных, а библиотеки и операции в Python ー лишь прикладная иллюстрация. Всё в соответствии с названием.
«Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных», Петер Флах
Если вы ищете базовый учебник по машинному обучению в принципе, обратите внимание на эту книгу. В ней вы не найдёте ответы на все свои вопросы, но зато узнаете, где их искать. По сути, перед нами теоретический справочник, охватывающий всё многообразие машинного обучения, сдобренный ссылками на полезную литературу по каждой теме. Примеры кода на каком-либо языке отсутствуют — но в этом и нет необходимости, учитывая уровень материала.
«Машинное обучение без лишних слов», Андрей Бурков
Автор поставил перед собой цель в ста страницах описать все основные алгоритмы и принципы машинного обучения. Утопическая задача вылилась в одну из лучших книг по machine learning, с множеством восторженных отзывов как со стороны рядовых покупателей, так и известных людей IT-отрасли. И пусть в русском переводе толщина выросла вдвое – насыщенность информацией от этого не пострадала.
«Python и машинное обучение», Себастьян Рашка
Эта книга уже требует от читателя хотя бы элементарных навыков работы с Python, необходимых, чтобы шагнуть на новую ступень знаний в machine learning. Здесь рассматриваются профильные библиотеки языка по машинному обучению, в частности scikit-learn, Keras, Theano. Перечень задач широкий: обработка простых баз данных, анализ текста и визуальной информации, нейронные сети и многое другое. У книги есть два издания, но для вводной части не важно, какое именно попадётся вам в руки.
«Идеи машинного обучения», Шалев-Шварц Шай, Бен-Давид Шай
«Идеи машинного обучения» ставит перед собой цель донести до читателя фундаментальные принципы машинного обучения и основные применяемые в отрасли алгоритмы. Этому посвящена значительная вступительная часть, но затрагиваются и более сложные вопросы, например стохастический градиентный спуск, нейронные сети и структурированный ввод, PAC-байесовский подход, границы сжатия и многое другое.
«Машинное обучение и TensorFlow», Шакла Нишант
TensorFlow ー одна из базовых библиотек машинного обучения, поэтому, если у вас есть хотя бы незначительные познания в Python и желание развиваться в этом направлении, данная книга обязательно поможет. Здесь приведено очень много кода для базовых задач ML и в этом плане книга качественно отличается от аналогичных изданий по машинному обучению. Незначительный минус заключается как раз в том, что использовать книгу для погружения в тему сложно ー необходимо под рукой иметь компьютер.
«Грокаем глубокое обучение», Эндрю Траск
Эта книга посвящена машинному обучению с использованием нейронных сетей, на примере библиотеки NumPy языка Python. Рассчитана она на аудиторию с базовыми представлениями о программировании и искусственном интеллекте, но при этом наполнена большим числом теории и практики. Всё растолковано буквально на пальцах, так что новичкам строго рекомендуется.
Книги по machine learning на английском языке
Если английский язык вас не отпугивает или параллельно с машинным обучением вы хотите увеличить свой словарный запас, то мы подготовили ещё один полезный список.
Machine Learning For Absolute Beginners: A Plain English Introduction, Oliver Theobald
Наверняка однажды эту книгу переведут на русский язык, но пока можете оценить её лишь на английском. Это не шедевр печатного программирования, но для тех, у кого нет вообще никакого понимания, что такое машинное обучение, она подойдёт идеально. Здесь разъясняются базовые принципы очень простым языком (иногда даже слишком), а навыки программирования не требуются. Вообще.
Machine Learning For Dummies, John Paul Mueller, Luca Massaron
Как и в любой книге «. для чайников», здесь имеется обширная вступительная часть, призванная показать читателю всё многообразие возможностей машинного обучения. Но плюс этой книги ещё и в примерах на R и Python. И пускай они носят общий характер, в качестве вводной книга подойдёт отлично.
Machine Learning In Action, Peter Harrington
Как и у многих участников этого списка, акцент здесь сделан на подаче идей машинного обучения через практические примеры на Python. Главная особенность здесь в том, что книга содержит минимум общих слов, хоть и рассчитана на любой уровень подготовки. Буквально со второй страницы начинается погружение в тему инструментов и приёмов машинного обучения, что порадует тех, кто не желает тратить лишнее время на вступительные речи.
Python Machine Learning: A Technical Approach to Machine Learning for Beginners, Leonard Eddison
Оригинальность этой книги по machine learning в том, что с её помощью читатель просто учит язык Python. На первый взгляд, разницы мало, однако если знаний нет ни в МО, ни в программировании – то это именно то, что нужно. Однако помните, что это издание есть смысл дополнить какой-нибудь другой, более глубокой книгой из нашего списка.
Data Mining: Practical Machine Learning Tools and Techniques, Ian H. Witten, Eibe Frank, Mark A. Hall
Работа с огромными объёмами данных — это одна из наиболее частых причин, почему сторонние специалисты начинают интересоваться машинным обучением. В этой книге есть для таких людей есть ответы на все вопросы. Как? Зачем? С чьей помощью? Насколько это долго и сложно? Можно ли обойтись без машинного обучения? Если вам тоже требуется погружение в принципы обработки данных с использованием искусственного интеллекта, а английский язык не смущает — тогда это та книга по machine learning вам точно не помешает.
Как видите, представленные в этом списке издания охватывают разные подходы к изложению материала и обучению, имеют разный формат подачи материала. А это значит, что каждый сможет найти что-то себе по душе и кошельку.
А чтобы гарантированно получить системные знания в области машинного обучения с самого нуля, можно поступить на факультет искусственного интеллекта GeekBrains. Здесь от вашего внимания точно не ускользнёт ничего существенного.
При всём многообразии литературы по программированию и IT есть темы, где найти книги для новичков очень сложно. Одна из таких тем ー искусственный интеллект, в нашем случае ー машинное обучение. Подавляющее большинство книг требует от читателя знаний Python, теории математического анализа и статистики, хотя бы базового умения создавать алгоритмы для обработки массивов данных.
В этом материале мы решили восполнить пробел и собрать лучшие книги по машинному обучению на русском языке — те, которые может прочитать и понять даже человек, лишь косвенно связанный с программированием и большими данными.
Книги по машинному обучению на русском языке
«Введение в машинное обучение с помощью Python», Андреас Мюллер, Сара Гвидо
Так как большинство разработок в сфере сегодня ведётся на языке Python, то в первую очередь следует штурмовать именно его. В нашем контексте новичкам лучше всего подойдёт вот эта книга по machine learning, поскольку акцент в ней сделан на теоретическую часть обработки данных, а библиотеки и операции в Python ー лишь прикладная иллюстрация. Всё в соответствии с названием.
«Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных», Петер Флах
Если вы ищете базовый учебник по машинному обучению в принципе, обратите внимание на эту книгу. В ней вы не найдёте ответы на все свои вопросы, но зато узнаете, где их искать. По сути, перед нами теоретический справочник, охватывающий всё многообразие машинного обучения, сдобренный ссылками на полезную литературу по каждой теме. Примеры кода на каком-либо языке отсутствуют — но в этом и нет необходимости, учитывая уровень материала.
«Машинное обучение без лишних слов», Андрей Бурков
Автор поставил перед собой цель в ста страницах описать все основные алгоритмы и принципы машинного обучения. Утопическая задача вылилась в одну из лучших книг по machine learning, с множеством восторженных отзывов как со стороны рядовых покупателей, так и известных людей IT-отрасли. И пусть в русском переводе толщина выросла вдвое – насыщенность информацией от этого не пострадала.
«Python и машинное обучение», Себастьян Рашка
Эта книга уже требует от читателя хотя бы элементарных навыков работы с Python, необходимых, чтобы шагнуть на новую ступень знаний в machine learning. Здесь рассматриваются профильные библиотеки языка по машинному обучению, в частности scikit-learn, Keras, Theano. Перечень задач широкий: обработка простых баз данных, анализ текста и визуальной информации, нейронные сети и многое другое. У книги есть два издания, но для вводной части не важно, какое именно попадётся вам в руки.
«Идеи машинного обучения», Шалев-Шварц Шай, Бен-Давид Шай
«Идеи машинного обучения» ставит перед собой цель донести до читателя фундаментальные принципы машинного обучения и основные применяемые в отрасли алгоритмы. Этому посвящена значительная вступительная часть, но затрагиваются и более сложные вопросы, например стохастический градиентный спуск, нейронные сети и структурированный ввод, PAC-байесовский подход, границы сжатия и многое другое.
«Машинное обучение и TensorFlow», Шакла Нишант
TensorFlow ー одна из базовых библиотек машинного обучения, поэтому, если у вас есть хотя бы незначительные познания в Python и желание развиваться в этом направлении, данная книга обязательно поможет. Здесь приведено очень много кода для базовых задач ML и в этом плане книга качественно отличается от аналогичных изданий по машинному обучению. Незначительный минус заключается как раз в том, что использовать книгу для погружения в тему сложно ー необходимо под рукой иметь компьютер.
«Грокаем глубокое обучение», Эндрю Траск
Эта книга посвящена машинному обучению с использованием нейронных сетей, на примере библиотеки NumPy языка Python. Рассчитана она на аудиторию с базовыми представлениями о программировании и искусственном интеллекте, но при этом наполнена большим числом теории и практики. Всё растолковано буквально на пальцах, так что новичкам строго рекомендуется.
Книги по machine learning на английском языке
Если английский язык вас не отпугивает или параллельно с машинным обучением вы хотите увеличить свой словарный запас, то мы подготовили ещё один полезный список.
Machine Learning For Absolute Beginners: A Plain English Introduction, Oliver Theobald
Наверняка однажды эту книгу переведут на русский язык, но пока можете оценить её лишь на английском. Это не шедевр печатного программирования, но для тех, у кого нет вообще никакого понимания, что такое машинное обучение, она подойдёт идеально. Здесь разъясняются базовые принципы очень простым языком (иногда даже слишком), а навыки программирования не требуются. Вообще.
Machine Learning For Dummies, John Paul Mueller, Luca Massaron
Как и в любой книге «. для чайников», здесь имеется обширная вступительная часть, призванная показать читателю всё многообразие возможностей машинного обучения. Но плюс этой книги ещё и в примерах на R и Python. И пускай они носят общий характер, в качестве вводной книга подойдёт отлично.
Machine Learning In Action, Peter Harrington
Как и у многих участников этого списка, акцент здесь сделан на подаче идей машинного обучения через практические примеры на Python. Главная особенность здесь в том, что книга содержит минимум общих слов, хоть и рассчитана на любой уровень подготовки. Буквально со второй страницы начинается погружение в тему инструментов и приёмов машинного обучения, что порадует тех, кто не желает тратить лишнее время на вступительные речи.
Python Machine Learning: A Technical Approach to Machine Learning for Beginners, Leonard Eddison
Оригинальность этой книги по machine learning в том, что с её помощью читатель просто учит язык Python. На первый взгляд, разницы мало, однако если знаний нет ни в МО, ни в программировании – то это именно то, что нужно. Однако помните, что это издание есть смысл дополнить какой-нибудь другой, более глубокой книгой из нашего списка.
Data Mining: Practical Machine Learning Tools and Techniques, Ian H. Witten, Eibe Frank, Mark A. Hall
Работа с огромными объёмами данных — это одна из наиболее частых причин, почему сторонние специалисты начинают интересоваться машинным обучением. В этой книге есть для таких людей есть ответы на все вопросы. Как? Зачем? С чьей помощью? Насколько это долго и сложно? Можно ли обойтись без машинного обучения? Если вам тоже требуется погружение в принципы обработки данных с использованием искусственного интеллекта, а английский язык не смущает — тогда это та книга по machine learning вам точно не помешает.
Как видите, представленные в этом списке издания охватывают разные подходы к изложению материала и обучению, имеют разный формат подачи материала. А это значит, что каждый сможет найти что-то себе по душе и кошельку.
А чтобы гарантированно получить системные знания в области машинного обучения с самого нуля, можно поступить на факультет искусственного интеллекта GeekBrains. Здесь от вашего внимания точно не ускользнёт ничего существенного.