Машинное обучение сейчас используют почти все серьезные компании и стартапы. Без него никуда. Уже даже на позицию Python-разработчика уровня Junior часто задают базовые вопросы по машинному обучению. Чтобы помочь вам войти в эту тему и разобраться с основами ML (Machine learning), мы собрали для вас подборку из пяти книг. Эти книги предназначены как для новичков в ML, так и для середняков.
Python for Probability, Statistics, and Machine Learning
Автор: José Unpingco. Год издания: 2019. Язык: английский.
Это уже 2-е издание книги, здесь рассматривается Python версии 3.7. На страницах этой книги читатель найдет полностью обновленное объяснение того, как моделировать, концептуализировать и визуализировать рандомные статистические процессы и, конечно,— как применять методы машинного обучения.
Автор в общих чертах описывает концепции статистики, теории вероятности и машинного обучения, применяя интуитивный подход с визуализацией соответствующего кода. Для моделирования и визуализации важных концепций используются современные модули Python — pandas, SymPy, scikit-learn, Tensorflow и Keras.
Также в новом издании книги вы найдете новые и обновленные советы по программированию, иллюстрирующие применение эффективных модулей и методов Python для научного программирования и машинного обучения.
Это учебное пособие определенно не для новичков. Максимальную пользу оно принесет тем, кто уже знаком с программированием на Python, а также с теорией вероятности, статистикой или машинным обучением на уровне студента старших курсов.
Machine Learning with Spark and Python
Автор: Michael Bowles. Год издания: 2020. Язык: английский.
Автор «Machine Learning with Spark and Python» упрощает практическое применение машинного обучения, концентрируя внимание читателя на двух ключевых алгоритмах.
Новое издание книги улучшено добавлением информации о применении Spark — фреймворка машинного обучения от Apache foundation. Благодаря Spark студенты, изучающие машинное обучение, могут легко обрабатывать большие наборы данных и вызывать алгоритмы Spark при помощи обычного кода на Python.
«Machine Learning with Spark and Python» фокусируется на двух семействах алгоритмов (линейные методы и ансамбль методов), которые эффективно предсказывают результаты. Предсказание результатов важно для многих use cases, например, для размещения рекламы на веб-странице, прогнозирования цен на рынке ценных бумаг или выявления мошенничества с кредитными картами. Сосредоточение на двух семействах дает достаточно места для полного описания механизма работы алгоритмов. Также в книге приводятся примеры кода — для иллюстрации работы с конкретным кодом, доступным для взлома.
Machine Learning
Автор: Rudolph Russell. Год издания: 2018. Язык: английский.
Эта книга предназначена для всех желающих изучить разработку систем машинного обучения. В ней разбираются самые важные концепции алгоритмов Machine Learning (в том числе с практической точки зрения), а также реализация алгоритмов при помощи библиотеки scikit-learn.
Для более понятного разбора тем книга содержит иллюстрации и пошаговые объяснения с упражнениями на закрепление материала.
В этой книге вы найдете вступление в машинное обучение, сведения о классификации, объяснение, как тренировать модель, а также информацию о разных комбинациях моделей.
Машинное обучение с использованием Python. Сборник рецептов
Автор: Крис Элбон. Год издания: 2019. Язык: русский.
В этом практическом руководстве содержится примерно 200 отдельных «рецептов», способных помочь вам в решении задач машинного обучения в вашей работе. Если вы знакомы с Python и его библиотеками, включая pandas и scikit-learn, вы сможете решать конкретные задачи, такие как загрузка данных, обработка текстовых или числовых данных, выбор модели, уменьшение размерности и многие другие.
Чтобы убедиться, что все действительно работает, вы сможете скопировать код и вставить его в игрушечный набор данных (код прилагается к каждому рецепту, так же, как и объяснение решения). Также вы сможете копировать и изменять этот код для создания своего приложения.
Эта книга рецептов выводит читателя за рамки теории и концепций, предоставляя инструменты, необходимые для создания рабочих приложений в сфере Machine Learning.
В руководстве от Криса Элбона вы найдете рецепты для:
- работы с векторами, матрицами и массивами,
- обработки числовых и категорийных данных, текста, изображений, дат и времени,
- уменьшения размерности,
- оценки и выбора модели
- работы с линейной и логической регрессией, деревьями и лесами, а также k-ближайшими соседями,
- машин опорных векторов (SVM), наивных байесовских систем, кластеризации и нейронных сетей,
- сохранения и загрузки обученных моделей.
Thoughtful Machine Learning with Python
Автор: Matthew Kirk. Год издания: 2017. Язык: английский.
Эта книга позволит вам более уверенно применять машинное обучение в вашей ежедневной работе. Прочитав ее, вы узнаете, как интегрировать и тестировать алгоритмы машинного обучения в вашем коде.
Для лучшего понимания руководство снабжено графиками и сниппетами кода. Если вы разработчик или бизнес-аналитик, интересующийся наукой о данных, эта книга определенно вам пригодится. Читая ее, вы сможете:
- поупражняться, тестируя каждый алгоритм на жизненных примерах,
- применять разработку через тестирование для написания и запуска тестов перед началом кодинга,
- исследовать техники улучшения моделей машинного обучения,
- научиться учитывать риски машинного обучения, такие как недо- и переобучение,
- поработать с k-ближайшими соседями, нейронными сетями, кластеризацией и другими алгоритмами.
