Литература по нейросетям для начинающих
Предлагаем вашему вниманию большую подборку материалов по нейронным сетям на английском языке. Вы узнаете, как появились нейросети, каким образом они работают, какие задачи решают, как происходит глубокое обучение моделей. Среди представленной литературы вы найдёте книги, статьи и исследования разных авторов:
1. Neural Networks and Deep Learning
Онлайн-учебник, который написал программист и учёный Майл Нильсен. В этой книге он подробно рассказывает о глубоком обучении нейросетей и отдельное внимание уделяет возникающим сложностям в процессе обучения, а также вопросам работы алгоритма обратного распространения ошибки.
2. A Brief Introduction to Neural Networks
Автор объясняет принципы работы нейросетей максимально простым языком. Прочитав книгу, вы сможете самостоятельно работать с нейросистемами и получите представление о том, как разбираться в чужом коде.
3. Make Your Own Neural Network
Здесь раскрываются математические принципы, которые лежат в основе нейронных сетей. Кроме того, автор предлагает написать свою нейронную сеть на Python. Книга даст вам чёткое понимание работы нейросистем.
4. An Introduction to Statistical Learning
Материал является введением в методы статистического обучения. Всё рассказывается очень доступно и содержит туториалы на R. Книга подойдёт студентам и выпускником вузов, включая нематематические специальности.
5. Programming Collective Intelligence
В этой книге вы узнаете о том, как анализировать человеческое поведение и пользовательский опыт, используя ежедневно получаемую информацию. Вы ознакомитесь с алгоритмами и кодом, который сможете сразу использовать в своём приложении либо на сайте. Каждая отдельная глава сопровождается практическими упражнениями.
6. Deep Learning: Methods and Applications
Официальная публикация от Microsoft, раскрывающая основные методологии глубокого обучения. Вы узнаете, каким образом нейронные сети применяются для решения задач по обработке сигналов и информации. Вдобавок к этому, рассмотрите области, где Deep Learning используется сегодня наиболее активно.
7. Neural Networks: A Systematic Introduction
Теоретическая книга общего плана, посвящённая созданию искусственных нейросетей. В каждой главе есть примеры, иллюстрации и библиография. Это неплохая база по нейронным вычислениям и хороший источник знаний для тех, кто хочет повысить свою компетентность в данной сфере.
8. Deep Learning Tutorial
Учебник канадского университета (Монреаль). В нём собраны руководства по самым важным алгоритмам глубокого обучения и показано, каким образом их реализовать посредством библиотеки Theano. Для освоения книги, вы должны иметь представление о Python, NumPy и Theano.
9. Pattern Recognition and Machine Learning
Этот учебник посвящён распознаванию образов и Байесовскому методу. Здесь вы найдёте алгоритмы приближённого вывода для случаев, при которых точные ответы получить невозможно. Вся представленная в книге информация подкрепляется графическими моделями для описания распределения вероятностей.
10. Neural Networks and Learning Machines
В книге рассмотрены принципы работы нейросетей и самообучающихся машин.
11. Hacker's guide to Neural Networks
Вы заглянете в прошлое нейросетей и познакомитесь с технологией real-valued circuits.
12. Deep Learning, NLP, and Representation
Публикация посвящена использованию глубоких нейросетей для обработки естественного языка (NLP). Кроме того, автор постарался ответить, почему вообще работают нейронные сети.
13. On the Origin of Deep Learning
Публикация представляет собой исторический обзор развития глубоких моделей обучения. Начиная от появления нейронных сетей, авторы плавно переходят к технологиям последнего десятилетия, куда входят глубокие сети доверия, сверточные и рекуррентные нейронные сети.
14. Deep reinforcement Learning: an overview
Статья, посвящённая последним достижениям в сфере Deеp Learning с подкреплением (RL): от принципов глубокого обучения с подкреплением до проблем их реальной применимости в играх, робототехнике, чат-ботах и т. д.
15. Hands-On Machine Learning
В книге даются наглядные примеры, минимум теории и два production-ready фреймворка для Python. С их помощью вы узнаете, как строятся интеллектуальные системы и какие существуют техники: начиная с обычной линейной регрессии, заканчивая глубоким обучением. Каждая глава содержит упражнения для закрепления полученных знаний.
За подборку литературы выражается благодарность специалистам компании Neurodata Lab.
