Машинное обучение, глубокое обучение, искусственный интеллект — очень популярные сегодня области знаний. Мы составили подборку книг, которые пригодятся вам при изучении этих тем. Не так давно мы публиковали аналогичную подборку книг, вышедших в 2020 году, а сейчас сосредоточимся на книгах 2019 года.
Искусственный интеллект с примерами на Python
Автор: Пратик Джоши. Язык: русский.
Эта книга для начала познакомит вас с самой концепцией искусственного интеллекта. Затем вы перейдете к изучению более сложных тем, таких как предельно случайные леса, скрытые марковские модели, генетические алгоритмы, сверточные нейронные сети.
Практически каждая глава книги помимо теории содержит еще и разбор примеров ее использования. Например, в главе «Создание игр с помощью искусственного интеллекта» разбирается создание роботов для игр Last Standing и крестики-нолики, а также двух роботов, играющих между собой в игры Connect Four и Hexapawn. Исходные коды примеров автор выложил на GitHub.
Книга предназначена для программистов, знающих Python. В принципе, для понимания материала достаточно знать этот язык на базовом уровне, но если вы опытный питонист, вам будет куда легче разобраться в примерах.
Прагматичный ИИ
Автор: Ной Гифт. Язык: русский.
Книга об искусственном интеллекте, машинном обучении и облачных вычислениях. А кроме того, в ней красной нитью проходит тема автоматизации и практичности. Как пишет автор, «То, что не развернуто в промышленной эксплуатации, — не в счет. Не автоматизировано — значит не работает».
Автор книги, Ной Гифт, преподает машинное обучение и облачные архитектуры в Калифорнийском университете в Дэвисе. У него около 20 лет опыта в программировании на Python. Гифт работал в самых разных компаниях, а в настоящее время выступает в роли консультанта по вопросам машинного обучения.
Книга «Прагматичный ИИ» предназначена для широкого круга читателей, в том числе и для не-программистов (они тоже найдут для себя что-то полезное). Написана она на основе других публикаций автора, а также проведенных им семинаров и курсов. Для примеров в книге используется Python (в блокнотах Jupiter).
Машинное обучение с использованием Python. Сборник рецептов
Автор: Крис Элбон. Язык: русский.
Справочник с практическими советами для специалистов, создающих системы машинного обучения. Предполагается, что читатель уже хорошо знаком с теорией машинного обучения, а также владеет Python на достойном уровне и умеет управлять его пакетами.
В каждом рецепте сначала озвучивается задача (например «Имеются данные с очень малым количеством ненулевых значений, которые требуется эффективно представить»). Затем предлагается готовое рабочее решение (код), после чего идет раздел с обсуждением этого решения и ссылки на дополнительные материалы по теме. Всего в книге около 200 рецептов.
Python Deep Learning
Авторы: Ivan Vasilev, Daniel Slater, Gianmario Spacagna, Peter Roelants, Valentino Zocca. Язык: английский.
Эта книга поможет вам исследовать сферу глубокого обучения и начать применять машинное обучение в своих проектах. Вы познакомитесь с различными архитектурами нейронных сетей, научитесь решать задачи в области компьютерного зрения, обработки естественного языка и распознавания речи.
Книга будет интересна практикующим специалистам data science, разработчикам систем машинного обучения и всем, кто интересуется глубоким обучением. Предполагается, что читатель имеет базовые знания по машинному обучению и имеет некоторый опыт работы с Python. Наибольшую пользу эта книга принесет тем, у кого также есть бэкграунд в математике и понимание концепций вычислений и статистики.
Mastering Machine Learning with Python in Six Steps
Автор: Manohar Swamynathan. Язык: английский.
Практическое руководство, которое поможет вам превратиться из новичка в мастера машинного обучения. Но практикующим специалистам по машинному обучению книга тоже пригодится: в последних главах разбираются более продвинутые темы (обработка естественного языка, глубокое обучение, основы обучения с подкреплением).
Авторы предлагают путь из шести шагов, руководствуясь теорией о том, что именно шесть ступеней отделяют человека буквально от чего угодно.
Каждая из глав книги делится на две части. В первой разбираются теоретические концепции, а во второй — их практическая реализация при помощи различных пакетов Python. Чисто математические темы, стоящие за алгоритмами, освещаются на минимальном уровне, достаточном для начала работы с машинным обучением.
Книга предназначена для питонистов, желающих приобрести навыки машинного обучения. Также она будет полезна программистам, владеющим другими языками и занимающимся машинным обучением — если они хотят приобрести навыки реализации ML-алгоритмов на Python.
Python® Machine Learning
Автор: Wei-Meng Lee. Язык: английский.
Мягкое вступление в тему машинного обучения. Вы познакомитесь с несколькими основными библиотеками Python, благодаря которым реализуется машинное обучение. В частности, научитесь работать с числами и массивами чисел, используя NumPy. Затем разберете, как работать с табличными данными при помощи Pandas. После этого перейдете к теме визуализации данных при помощи библиотеки matplotlib.
Изучив эти основы, вы углубитесь в тему машинного обучения с использованием Python и библиотек Scikit-Learn. Вы разберете самые распространенные ML-алгоритмы (регрессия, кластеризация, классификация) и узнаете, как они работают «под капотом».
Предполагается, что читатели владеют основами языка Python и имеют базовое понимание статистики.
В 2019 году вышли еще три книги, касающиеся машинного обучения. Их мы рассматривали в статье «Изучаем популярные библиотеки Python: книги 2019 года». Здесь мы не будем повторять описания, а просто приведем названия книг.
- «PyTorch Recipes». Автор — Pradeepta Mishra.
- «Learn Keras for Deep Neural Networks». Автор — Jojo Moolayil.
- «Beginning Anomaly Detection Using Python-Based Deep Learning». Авторы — Sridhar Alla и Suman Kalyan Adari.
Поскольку книги вышли в 2019 году, весьма вероятно, что кто-то из наших читателей уже успел с ними ознакомиться. Поделитесь своим мнением о книгах в комментариях!
