11 новых книг по глубокому обучению
Если вас интересует Deep Learning и погружение в мир нейронных сетей, предлагаем вам ознакомиться с подборкой книг, которую мы подготовили. Собраны относительно новые книги — почти все из них написаны не позже 2018 года (кроме самой первой из списка). Вы найдёте работы таких авторов, как Николенко, Бурков, Гудфеллоу и многих других. Есть издания и на русском, и на английском языках.
«Глубокое обучение» — Я. Гудфеллоу, И, Бенджио, А. Курвилль, 2017 г.
Эту книгу называют одной из лучших из богатой современной библиотеки по глубокому обучению. Хоть она и написана сложным техническим языком, её осилит и новичок — настолько понятно и интересно подаётся материал. Здесь есть всё, начиная с математических основ, заканчивая методами DL, нейронными сетями, алгоритмами оптимизации, биоинформатикой и т. п.
«Глубокое обучение на Python» — Ф. Шолле, 2018 г.
Книга представляет собой учебник по Deep Learning-моделям в контексте применения Python и известной библиотеки Keras. Написана, кстати, создателем Keras. С помощью этой книги вы: — укрепите свои знания по соответствующим технологиям; — исследуете непростые концепции; — поработаете с приложениями из сферы компьютерного зрения, генеративных моделей, обработки естественного языка; — получите практические навыки использования DL.
«Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow» — Жерон О., 2018 г.
Если почти ничего не знаете о машинном обучении, эта книга для вас. Автор поставил себе задачу предоставить вам основные концепции, инструменты и знания, нужные для реализации программ, которые будут способны учиться на данных. Вы ознакомитесь со множеством методов, включая ту же линейную регрессию.
Из плюсов — будете использовать уже готовые к работе Python-платформы (Scikit-Learn, TensorFlow). Таким образом, изобретать велосипеды не придётся.
«Grokking Deep Learning» — Траск Э., 2019 г.
Вы испытаете все прелести погружения в мир нейронных сетей, ведь эта книга научит вас делать это с нуля. Ознакомитесь с устройством технологии глубокого изучения изнутри, узнаете, как учатся нейросети, как они распознают и анализируют изображения, переводят тексты и пишут, как Шекспир. Очень полезная вещь, особенно для тех, кто знаком с программированием и разбирается в математике. Скучно не будет.
«The Hundred-Page Machine Learning Book» — Бурков А., 2019 г.
Введение в ML от эксперта мирового уровня. Книга позволит начать реальную работу с машинным обучением в течение всего нескольких дней, для чего потребуется прочитать хотя бы первые 5 глав. Вы сэкономите время и быстро перейдёте к практике.
«Deep Reinforcement Learning Hands-On» — Лапань М., 2018 г.
Популярная вещь, посвящённая глубокому обучению. По сути, это исчерпывающее руководство, включающее в себя наиболее новые Deep learning-инструменты. Вы сможете оценивать методы, освоите перекрестную энтропию, научитесь применять знания в реальных условиях. Также овладеете основами обучения с подкреплением, создадите робота для акционной торговли, сможете использовать естественный язык в целях развития чат-ботов и прочее. Круто!
Сергей Николенко, А. Кадурин, Екатерина Архангельская – «Глубокое обучение. Погружение в мир нейронных сетей» — Николенко, С., Кадурин А., Архангельская Е., 2018 г.
Русских книг по глубокому обучению выходит немного, но эта, за авторством Николенко и других специалистов — одна из них. Отличное руководство для начинающих, которые искренне желают разобраться в нейросетях.
«The Book of Why» — Перл Д., 2018 г.
Книга о сути искусственного и человеческого интеллекта, написанная известным учёным. Здесь развеиваются стереотипы о причинно-следственных связях и не только. Позволяет понять всю ширину человеческого мышления.
«Introduction to Deep Learning» — Сканси С., 2018 г.
Кратко, просто, легко и доступно — прекрасное введение в ML. Здесь очень простые примеры для начинающих, что не может не радовать (даны на Python). А архитектурные решения и используемые алгоритмы интуитивно понятны практически любому новичку. Вы узнаете и про обучение нейросетей, и про обработку языка, и про нейросети с обратной связью, и про математические предпосылки и историю ИИ.
«Machine Learning Yearning» — Ын Э., 2018 г.
Как заставить работать ML-алгоритмы? Именно об этом вы узнаете в книге. А ещё рассмотрите расстановку приоритетов, диагностику ошибок, обучающие тестовые режимы, настройку проектов, особенности применения сквозного, трансферного и многозадачного обучения.
«Interpretable Machine Learning» — Молнар К., 2019 г.
Материал посвящён простым и интерпретируемым моделям. Прочитав эту книгу, вы поймёте, как сделать, чтобы модели, как и их решения, были понятны. Вы узнаете про деревья решений, про правила принятия решений, про правила линейной регрессии. Хорошо объясняются и методы интерпретации.
Особенность материала — ориентированность на практиков (учёных-статистиков). Издание будет полезно и другим специалистам, которые стремятся создавать максимально понятные модели машинного обучения.
Интересует Machine Learning? Запишитесь на профессиональные курсы OTUS! Также есть популярный курс по нейросетям:
