Από τα θεμελιώδη στις προηγμένες τεχνικές

Η Μηχανική Μάθηση έχει γίνει πολύ δημοφιλής τα τελευταία χρόνια και μήνες. Οι αναλυτές του κλάδου αναμένουν ότι η Μηχανική Μάθηση, και γενικά η Τεχνητή Νοημοσύνη, θα έχουν τόσο αντίκτυπο στην ανθρωπότητα όσο το Διαδίκτυο ή η CPU.

Αν θέλετε να μάθετε Machine Learning, βρίσκεστε στο σωστό μέρος. Αυτό το άρθρο είναι ένας οδηγός για τα καλύτερα βιβλία μηχανικής εκμάθησης για πτυχιούχους.

Τι είναι η Μηχανική Μάθηση;

Η μηχανική μάθηση αναφέρεται στην ανάπτυξη και χρήση αλγορίθμων που επιτρέπουν στις μηχανές να μάθουν πώς να εκτελούν εργασίες αντί να τις προγραμματίζουν ρητά για να εκτελούν τις εν λόγω εργασίες.

Η Μηχανική Μάθηση είναι ένα πεδίο που περιέχεται στην Τεχνητή Νοημοσύνη. Η τεχνητή νοημοσύνη ασχολείται ευρύτερα με την ανάπτυξη ευφυούς συμπεριφοράς στους υπολογιστές. Η Μηχανική Μάθηση εστιάζει σε ένα μόνο μέρος της τεχνητής νοημοσύνης, τη μάθηση.

Πώς χρησιμοποιείται η μηχανική μάθηση;

Οι υπολογιστές ήταν πάντα ανώτεροι από τους ανθρώπους σε κλίμακα. Ένας υπολογιστής μπορεί να κάνει με ακρίβεια μεγάλες ποσότητες εργασίας σε σύντομο χρονικό διάστημα. Ωστόσο, οι υπολογιστές περιορίζονταν στην εκτέλεση μόνο των εργασιών που οι άνθρωποι κατανοούσαν αρκετά καλά ώστε να γράψουν τον κώδικα για να καθοδηγήσουν τον υπολογιστή. Με άλλα λόγια, ήμασταν το σημείο συμφόρησης σε ό,τι μπορούσε να γίνει από τους υπολογιστές.

Με τη Μηχανική Μάθηση, οι υπολογιστές δεν περιορίζονται πλέον σε αυτά που μπορούν να εκφράσουν οι άνθρωποι. Αυτό τους επιτρέπει να εκτελούν εργασίες που προηγουμένως θεωρούσαμε αδύνατο ή κουραστικό να τους πούμε πώς να κάνουν, όπως:

  • Οδηγήστε αυτοκίνητα (αυτόματος πιλότος Tesla, Waymo)
  • Προσδιορισμός αντικειμένων σε μια εικόνα (SAM)
  • Δημιουργία έργων τέχνης (DALL-E)
  • Δημιουργία κειμένου (ChatGPT)
  • Μετάφραση του κειμένου (Μετάφραση Google)
  • Παίξτε παιχνίδια (MindGo)

Γιατί να μάθετε AI από βιβλία

Κατά τη μάθηση, τα βιβλία έχουν το πλεονέκτημα ότι παρέχουν μια πολύ βαθύτερη κατάδυση από όλους τους άλλους πόρους εκμάθησης. Τα βιβλία περνούν από μια εκτενή διαδικασία γραφής όπου γράφονται και οι προτάσεις ξαναγράφονται για λόγους σαφήνειας.

Το αποτέλεσμα είναι καλογραμμένη πεζογραφία που εκφράζει ιδέες σχεδόν με τον καλύτερο δυνατό τρόπο. Ο προσωπικός μου μεγαλύτερος λόγος που προτιμώ τους πόρους που βασίζονται σε κείμενο είναι το πόσο εύκολο είναι να αναφερθώ και να επανεξετάσω μερικές από τις έννοιες. Αυτό είναι πιο δύσκολο σε πόρους που βασίζονται σε βίντεο, όπως σεμινάρια και μαθήματα. Λοιπόν, ας εξερευνήσουμε τα καλύτερα βιβλία για την εκμάθηση μηχανικής μάθησης.

  Γιατί δεν μπορείτε να εγκαταστήσετε το Flash σε ένα iPad (και τι να κάνετε αντ 'αυτού)

The Hundred-Page Machine Learning Book

Το βιβλίο Μηχανικής Εκμάθησης Εκατό Σελίδων είναι ακριβώς αυτό, ένα βιβλίο που σας διδάσκει μηχανική μάθηση σε 100 σελίδες. Λόγω του περιορισμού των 100 σελίδων, το βιβλίο σας δίνει μόνο μια επισκόπηση του θέματος χωρίς να μπείτε πολύ στα ζιζάνια.

Είναι ιδανικό για αρχάριους, καθώς καλύπτει τα πιο σημαντικά βασικά στοιχεία του τομέα, όπως η εποπτευόμενη και χωρίς επίβλεψη μάθηση, οι μέθοδοι συνόλου, οι μηχανές υποστήριξης διανυσμάτων και η βαθμιδωτή κάθοδος.

Το βιβλίο γράφτηκε από τον Andriy Burkov, ειδικό στην Επεξεργασία Φυσικής Γλώσσας με Ph.D. στην Τεχνητή Νοημοσύνη.

Μηχανική Μάθηση για Απόλυτους Αρχάριους

Γράφτηκε από τον Oliver Theobald, αυτή είναι μια από τις πιο εύκολες και ευγενικές εισαγωγές στη μηχανική μάθηση που θα βρείτε.

Από αυτό το βιβλίο, θα λάβετε μια εισαγωγή στη μηχανική μάθηση, αλλά ο συγγραφέας δεν αναλαμβάνει προηγούμενη εμπειρία κωδικοποίησης. Αντίθετα, οι εξηγήσεις δίνονται σε απλά αγγλικά και γραφικά βοηθήματα για να είναι πιο κατανοητό.

Ωστόσο, θα εξακολουθήσετε να μαθαίνετε να κωδικοποιείτε και το βιβλίο περιλαμβάνει μερικές δωρεάν ασκήσεις κώδικα με δυνατότητα λήψης και συμπληρωματικά εκπαιδευτικά βίντεο. Ωστόσο, αυτό το βιβλίο από μόνο του δεν θα σας κάνει ειδικό στη Μηχανική Μάθηση. Θα χρειαστεί να μάθετε περισσότερα με άλλους πόρους.

Βαθιά Μάθηση

Αυτό το βιβλίο είναι ίσως το πιο ολοκληρωμένο που θα βρείτε στο Deep Learning. Γράφτηκε επίσης από μια ομάδα ειδικών, συμπεριλαμβανομένου του Ian Goodfellow, ενός ερευνητή που ανέπτυξε τα Generative Adversarial Networks.

Σας διδάσκει τις μαθηματικές έννοιες που θα χρειαστείτε για να κατανοήσετε τη βαθιά μάθηση, συμπεριλαμβανομένης της Γραμμικής Άλγεβρας, της Θεωρίας Πιθανοτήτων, της Θεωρίας Πληροφοριών και του Αριθμητικού Υπολογισμού.

Το βιβλίο καλύπτει τους διαφορετικούς τύπους δικτύων που χρησιμοποιούνται στη Deep Learning, συμπεριλαμβανομένων των Deep Feedforward Networks, των Convolutional Neural Networks και των Optimization Networks. Επιπλέον, επικυρώθηκε από τον Elon Musk ως το μόνο ολοκληρωμένο βιβλίο για το θέμα.

Εισαγωγή στη Στατιστική Μάθηση

Μια Εισαγωγή στη Στατιστική Μάθηση παρέχει μια επισκόπηση του πεδίου της στατιστικής μάθησης. Η Στατιστική Εκμάθηση είναι ένα υποσύνολο της Μηχανικής Μάθησης που περιλαμβάνει μεθόδους εκμάθησης όπως γραμμικές παλινδρομήσεις, ταξινόμηση και μηχανές υποστήριξης διανυσμάτων, μεταξύ άλλων.

Όλες αυτές οι τεχνικές καλύπτονται στο βιβλίο. Για να εμπεδώσει τις έννοιες που καλύπτονται, το βιβλίο χρησιμοποιεί παραδείγματα πραγματικού κόσμου. Επικεντρώνεται στην εφαρμογή των εννοιών που μαθαίνονται στο R, μια δημοφιλής γλώσσα προγραμματισμού που χρησιμοποιείται στη μηχανική εκμάθηση που χρησιμοποιείται για στατιστικούς υπολογισμούς.

  Πώς να διατηρήσετε μόνιμα ενεργοποιημένη τη λειτουργία χαμηλής κατανάλωσης στο iPhone σας

Το βιβλίο γράφτηκε από τους Trevor Hastie, Robert Tibshirami, Daniela Witten και Gartehm James, οι οποίοι είναι όλοι καθηγητές Στατιστικής. Παρά την ισχυρή βάση του στις στατιστικές, το βιβλίο θα πρέπει να είναι καλό για στατιστικολόγους και μη.

Προγραμματισμός Συλλογικής Νοημοσύνης

Το Programming Collective Intelligence είναι ένα χρήσιμο βιβλίο που διδάσκει στους προγραμματιστές λογισμικού πώς να δημιουργούν εφαρμογές που χρησιμοποιούν εξόρυξη δεδομένων και μηχανική μάθηση.

Μεταξύ άλλων αλγορίθμων, καλύπτει τον τρόπο με τον οποίο λειτουργούν τα συστήματα συστάσεων, η ομαδοποίηση, οι μηχανές αναζήτησης και οι αλγόριθμοι βελτιστοποίησης. Περιλαμβάνει συνοπτικά παραδείγματα κώδικα και ασκήσεις που θα σας βοηθήσουν να εξασκηθείτε.

Το βιβλίο γράφτηκε από τον Toby Segaran, ο οποίος έγραψε επίσης τα «Programming the Semantic Web» και «Beautiful Data».

Βασικές αρχές μηχανικής μάθησης για προγνωστική ανάλυση δεδομένων

Αυτό το βιβλίο σας εισάγει στις βασικές προσεγγίσεις μηχανικής μάθησης που χρησιμοποιούνται για την πραγματοποίηση προβλέψεων. Πριν καλύψει ουσιαστικά τις προσεγγίσεις της μηχανικής μάθησης, το βιβλίο δίνει μια επισκόπηση των θεωρητικών εννοιών που πρέπει να γνωρίζετε.

Το βιβλίο καλύπτει τον τρόπο χρήσης της μηχανικής εκμάθησης για να κάνετε προβλέψεις τιμών, εκτιμήσεις κινδύνου, να προβλέψετε τη συμπεριφορά των πελατών και να ταξινομήσετε έγγραφα.

Καλύπτει τις τέσσερις προσεγγίσεις της μηχανικής μάθησης: μάθηση βάσει πληροφοριών, μάθηση βάσει σφαλμάτων, μάθηση με βάση την ομοιότητα και μάθηση βάσει πιθανοτήτων. Γράφτηκε από τους John D. Kelleher, Brian Mac Namee και Aoife D’Arcy.

Κατανοήστε τη Μηχανική Μάθηση: Από τη Θεωρία στους Αλγόριθμους

Το βιβλίο εισάγει τη μηχανική μάθηση και τους αλγόριθμους που το επιτρέπουν. Παρέχει μια θεωρητική επισκόπηση των βασικών αρχών της μηχανικής μάθησης και του τρόπου με τον οποίο προέρχονται τα μαθηματικά.

Δείχνει επίσης πώς αυτές οι θεμελιώδεις αρχές στη συνέχεια μεταφράζονται σε αλγόριθμους και κώδικα. Αυτοί οι αλγόριθμοι περιλαμβάνουν στοχαστική gradient descent, νευρωνικά δίκτυα και δομημένη μάθηση εξόδου.

Το βιβλίο γράφτηκε για πτυχιούχους και προχωρημένους προπτυχιακούς από τους Shai Shalev-Shwartz και Shai Ben-David. Μπορείτε να αγοράσετε ένα φυσικό αντίγραφο από το Amazon και μια δωρεάν διαδικτυακή έκδοση είναι διαθέσιμη εδώ για λήψη και μη εμπορική χρήση.

Μηχανική Μάθηση για Χάκερ

Το Machine Learning for Hackers είναι ένα βιβλίο γραμμένο με έμπειρους προγραμματιστές στο μυαλό. Σας εισάγει στη μηχανική μάθηση με πρακτικό και πιο πρακτικό τρόπο. Θα μάθετε έννοιες από περιπτωσιολογικές μελέτες αντί της βαριάς μαθηματικής προσέγγισης που ακολουθείται από άλλα βιβλία.

  6 καλύτερες λογιστικές εφαρμογές για να διαχειριστείτε την επιχείρησή σας εν κινήσει

Το βιβλίο περιλαμβάνει κεφάλαια που επικεντρώνονται σε μια συγκεκριμένη περιοχή της μηχανικής μάθησης, όπως η ταξινόμηση, η πρόβλεψη, η βελτιστοποίηση και η σύσταση.

Επικεντρώνεται στην εφαρμογή των μοντέλων στη γλώσσα προγραμματισμού R και περιλαμβάνει συναρπαστικά έργα, όπως έναν ταξινομητή ανεπιθύμητων μηνυμάτων ηλεκτρονικού ταχυδρομείου, πρόβλεψη προβολών σελίδας ιστότοπου και έναν αποκρυπτογραφητή με ένα γράμμα.

Το βιβλίο γράφτηκε από τους Drew Conway και John Myles White, οι οποίοι και οι δύο συνέγραψαν ένα άλλο βιβλίο «Machine Learning for Email».

Hands-on Machine Learning με τον R

Η Hands-On Machine Learning καλύπτει τον τρόπο υλοποίησης αλγορίθμων όπως αλγόριθμους ομαδοποίησης, αυτοκωδικοποιητές, τυχαία δάση, βαθιά νευρωνικά δίκτυα και πολλά άλλα. Η υλοποίηση γίνεται χρησιμοποιώντας τη γλώσσα προγραμματισμού R και διάφορα πακέτα μέσα στο οικοσύστημά της.

Το ίδιο το βιβλίο δεν είναι ένα φροντιστήριο γλώσσας R. Επομένως, οι αναγνώστες θα πρέπει να είναι ήδη εξοικειωμένοι με τη γλώσσα πριν χρησιμοποιήσουν το βιβλίο. Μπορείτε να αγοράσετε μια φυσική έκδοση του βιβλίου από την Amazon και μια ηλεκτρονική έκδοση είναι διαθέσιμη δωρεάν εδώ.

Python Machine Learning

Αυτό το βιβλίο για τη μηχανική μάθηση Python εισάγει τη μηχανική μάθηση και τον τρόπο εφαρμογής της στην Python. Ξεκινά καλύπτοντας τις βασικές και πιο θεμελιώδεις βιβλιοθήκες που χρησιμοποιούνται στη μηχανική εκμάθηση, όπως η NumPy για αριθμητικούς υπολογισμούς και οι Pandas για την αντιμετώπιση δεδομένων σε πίνακα.

Στη συνέχεια εισάγει βιβλιοθήκες όπως το scikit-learn, το οποίο χρησιμοποιείται για τη δημιουργία μοντέλων μηχανικής μάθησης. Το βιβλίο καλύπτει επίσης την οπτικοποίηση δεδομένων χρησιμοποιώντας το Matplotlib. Εξηγεί αλγόριθμους όπως η παλινδρόμηση, η ομαδοποίηση και η ταξινόμηση. Καλύπτει επίσης τον τρόπο ανάπτυξης μοντέλων.

Συνολικά, αυτό το βιβλίο είναι μια περιεκτική εισαγωγή στη μηχανική μάθηση, ώστε να μπορείτε να αρχίσετε να εφαρμόζετε τα δικά σας μοντέλα και να τα ενσωματώνετε στις εφαρμογές σας. Το βιβλίο γράφτηκε από τον Weng Meng Lee, τον ιδρυτή της Developer Learning Solutions.

Ερμηνεύσιμη Μηχανική Μάθηση με Python

Το Interpretable Machine Learning με Python είναι ένας ολοκληρωμένος οδηγός για τη μηχανική μάθηση που παρέχει μια επισκόπηση των μοντέλων μηχανικής εκμάθησης και τον τρόπο μετριασμού των κινδύνων πρόβλεψης και βελτίωσης της ερμηνευσιμότητας μέσω πρακτικών παραδειγμάτων και βήμα προς βήμα υλοποιήσεων κώδικα.

Καλύπτοντας βασικές αρχές ερμηνείας, διαφορετικούς τύπους μοντέλων, μεθόδους ερμηνείας και τεχνικές συντονισμού, το βιβλίο εξοπλίζει τους αναγνώστες με γνώσεις ερμηνείας και δεξιότητες για να βελτιώσουν αποτελεσματικά τα μοντέλα μηχανικής μάθησης. Το βιβλίο γράφτηκε από τον Serg Masís, έναν επιστήμονα για το κλίμα και τα γεωπονικά δεδομένα.

Τελικές Λέξεις

Αυτή η λίστα βιβλίων προφανώς δεν είναι εξαντλητική, αλλά αυτά είναι μερικά από τα καλύτερα βιβλία που μπορείτε να χρησιμοποιήσετε για να μάθετε τη μηχανική μάθηση ως πτυχιούχος. Ενώ το μεγαλύτερο μέρος του AI υλοποιείται με κώδικα, δεν χρειάζεται πάντα να γράφετε τον κώδικα. Υπάρχουν πολλά εργαλεία No Code AI για ευκολότερη ανάπτυξη.

Στη συνέχεια, ελέγξτε τις πλατφόρμες μηχανικής εκμάθησης χαμηλού κώδικα και χωρίς κώδικα για χρήση.