Машинне навчання: 8 важливих книг для початківців і просунутих розробників

Зібрали для вас підбірку книг, які дозволять зануритися до світу штучного інтелекту та машинного навчання. В цій галузі наразі без Python чи R майже нікуди, тому підібрали книги з практичною частиною на цих мовах. Але не тiльки. Спробували задовольнити як потреби новачків, так і досвідчених розробників. 

Для новачків

«Deep Learning» Ian Goodfellow, Yoshua Bengio, Aaron Courville

Цю книгу багато хто з фахівців рекомендує, як чудовий старт для вивчення теми ШІ і глибинного навчання. Навіть Ілон Маск висловився про це видання: «Написана трьома експертами в цій галузі, «Deep Learning» є єдиною вичерпною книгою на цю тему».

Книга надає знання, що охоплюють відповідні концепції лінійної алгебри, теорії ймовірностей та інформації, обчислень та машинного навчання. Автори описують методи глибокого навчання, які використовуються практиками, включаючи глибокі мережі прямого зв’язку, регуляризацію, алгоритми оптимізації, згорткові нейромережі, моделювання послідовності та практичну методологію. 

У книзі розкриваються такі напрямки, як обробка природної мови, розпізнавання мовлення, комп’ютерний зір, онлайнові системи рекомендацій, біоінформатика та відеоігри. 

Крім того, у виданні описують такі теоретичні теми, як моделі лінійних факторів, автокодери, навчання репрезентації, структуровані імовірнісні моделі, методи Монте-Карло, функція розподілу, наближений логічний висновок і глибокі генеративні моделі.

Щодо авторів, то Йєн Гудфеллоу є відомим вченим в області ШІ, працював директором з машинного навчання в Apple та дослідником в Google Brain. Другий автор, Йошуа Бенджио, відомий тим, що отримав премію ACM AM Turing Award, яку неофіційно звуть «Нобелівською премією в сфері обчислювальної техніки», саме за роботу присвячену deep learning. Аарон Корвілль також є вченим в сфері ШІ та професором Монреальського університету.

Цікаво, що цю книжку легально та безкоштовно можна прочитати онлайн на відповідному сайті.

«Deep Learning with Python» Francois Chollet

Ще одна книга, направлена більше на новачків. Але в цьому виданні автори уникають значної кількості формул, намагаючись пояснити основні ідеї машинного навчання через шматки коду. Ці елементи супроводжуються коментарями та поясненнями, а також практичними порадами. 

В процесі навчання, ви засвоїте складні концепції та попрактикуєтеся із застосунками в галузі комп’ютерного зору, обробки природної мови та генеративних моделей.

Приклади кода в книзі написані на Python з використанням фреймворка Keras. Власне, «Deep Learning with Python» написана творцем Keras та дослідником штучного інтелекту Google Франсуа Шоллє. 

«Introduction to Machine Learning with Python» Andreas C. Müller, Sarah Guido

Провідні дослідники в сфері ШІ Андреас Мюллєр та Сара Гуідо написали ще одну книгу для початківців (хоч і прокачаних) з нашого списку. 

За допомогою цього видання у читача є можливість, за допомогою практичних завдань, навчитися створювати рішення з машинного навчання за допомогою Python та бібліотеки scikit-learn. Автори сконцентрувалися саме на практиці, а не на математичних формулах, які стоять за нею.

Для кращого сприйняття матеріалу варто попередньо ознайомитися з бібліотеками NumPy и matplotlib.

«Building Machine Learning Systems with Python» Luis Pedro Coelho, Wilhelm Richert, Matthieu Brucher

Практичний посібник для новачків. Тут, як і в попередньому видання, мало формул і багато практики. Культове видавництво O’Reilly обіцяє, що за допомогою цього посібника ви зможете розробити власну систему машинного навчання на Python та вивчите основні бібліотеки, необідні для цього.

Власне, це, як і в попередній книзі, бібліотеки NumPy, Scikit-learn та Matplotlib. Крім того, книга надає знання з базової культури роботи з даними та багато цікавих практичних задач.

Також завдяки цій книзі ви зможете створити систему класифікації, яку можна застосувати до тексту, зображень та звуку, розберетесь з сучасними розробками в сфері комп’ютерного зору та навчитесь використовувати Amazon Web Services для проведення аналізу в хмарі.

Для досвідчених

«Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies» John D. Kelleher, Brian Mac Namee, Aoife D’Arcy

Для освоєння цієї книги варто мати певне підгрунтя в аналітиці. 

Технічна та математична теорія тут підкріплена практичними прикладами застосування машинного навчання в реальному світі. 

Приклади варіюються від прогнозування цін та оцінки ризиків до класифікації документів та прогнозування поведінки клієнтів. Друге видання також включає нові розділи про навчання без вчителя та з підкріпленням.

Цікаво, що авторами виступили викладачі Дублінського університету (Келлегер і Мак Намі) та CEO і співзасновник компанії Krisolis, що спеціалізується на аналітиці даних.

«Machine Learning for Hackers» Drew Conway, John Myles White

Книга з грифом на обкладинці має підійти тим, хто добре розбирається в програмуванні, але у нього кульгає математика.

Автори підходить до вивчення машинного навчання за допомогою написання реальних додатків, таких, як створення системи рекомендацій «На кого підписатись» на основі даних з Twitter чи спам-фільтру в електронній пошті. І так, трішки побути хакером і зламати буквений шифр також доведеться.

В даній книзі всі приклади написані вже не на Pytjon, а мовою програмування R. кожна глава присвячена певній проблемі машинного навчання, включаючи класифікацію, прогнозування, оптимізацію та інші рекомендації.

«Machine Learning for Financial Risk Management with Python» Abdullah Karasan

В книзі описується створення високоточних фінансових моделей за допомогою машинного навчання. Головна аудиторія видання — люди, що розбираються в фінансовому секторі, але вміють і в Python. 

За допомогою книги можна вивчити моделювання волатильності для вимірювання ступеня ризику, використовуючи опорну векторну регресію, нейронні мережі та глибоке навчання. розібратися, як поліпшити моделі ринкового ризику (VaR та ES) з використанням методів ML та навчитися використовувати моделі машинного навчання для виявлення шахрайства. І ще багато корисних штук саме для застосування ШІ в фінансовій сфері. 

Автор книги — старший консультант з науки про дані та керівник академічного відділу в компанії Magnimind.

«Data Science at the Command Line» Jeroen Janssens

Доволі велика доля задач в Data Science може бути вирішена без застосування Python, R і роботи з базами даних. Старі технології типу sed та awk ще можуть бути корисними.

Тому ця книга саме про те, як за допомогою консолі ефективніше розв’язувати задачі Data Science.

Автор книги Джероін Янсенс (Senior Machine Learning Engineer в Xomnia) розглянув близько сотні інструментів командного рядка, які застосовуються для очищення даних, аналізу, візуалізації та моделювання. Основний акцент він зробив не на інструментах, а на використанні їх у конвеєрах. 

За допомогою книги ви дізнаєтесь, як використовуючи зв’язки інструментів знаходити прості рішення для складних проблем. І не важливо, чи працюєте ви з Python чи R.

Favbet Tech – це ІТ-компанія зі 100% українською‌ ДНК, що створює досконалі сервіси для iGaming і Betting з використанням передових технологій та надає доступ до них. Favbet Tech розробляє інноваційне програмне забезпечення через складну багатокомпонентну платформу, яка здатна витримувати величезні навантаження та створювати унікальний досвід для гравців.