Dobre przykłady / książki / zasoby do nauki o stosowanym uczeniu maszynowym (nie tylko sam ML)

11

Wcześniej uczestniczyłem w kursie ML, ale teraz, kiedy pracuję nad projektami związanymi z ML w mojej pracy, ciężko walczę o jego zastosowanie. Jestem pewien, że rzeczy, które robię, były wcześniej badane / zajmowane, ale nie mogę znaleźć konkretnych tematów.

Wszystkie przykłady uczenia maszynowego, które znajduję w Internecie, są bardzo proste (np. Jak używać modelu KMeansa w Pythonie i patrzeć na prognozy). Szukam dobrych zasobów, w jaki sposób je zastosować, i być może koduję przykłady wdrożeń uczenia maszynowego na dużą skalę i szkoleń modelowych. Chcę dowiedzieć się, jak skutecznie przetwarzać i tworzyć nowe dane, które mogą znacznie zwiększyć efektywność algorytmów ML.

Stoneman
źródło

Odpowiedzi:

10

Nie mam wiedzy w ML. Po krótkich poszukiwaniach w Internecie znalazłem wątek reddit zawierający listę następujących książek - z których wszystkie można legalnie pobrać za darmo. Aby uzyskać szczegółowe informacje, możesz wyszukać tytuły, które Cię interesują. Skomentuj również, jeśli uważasz, że któraś z książek jest pomocna (i dlaczego).

Nauczanie maszynowe

Prawdopodobieństwo / statystyki

Algebra liniowa / optymalizacja

Algorytm genetyczny

Moazzem Hossen
źródło
1
Dziękuje ci za linki. Sprawdzam niektóre z nich, ale bardziej interesuje mnie to, co daje praktyczne przykłady użycia algorytmów i szkolenia modelu. Mam już dobrą podstawę do tego, jak działają matematycznie, więc nie muszę już tego tak rozumieć. Biorąc pod uwagę, że mam modele funkcjonalne dla każdego z algorytmów (które są powszechnie dostępne), chcę nauczyć się korzystać z tych funkcji w celu skutecznego opracowania modelu.
Stoneman
2

Myślę, że lepiej byłoby śledzić przebieg niektórych konferencji związanych z uczeniem maszynowym . Takie konferencje zwykle zawierają ścieżki aplikacji, w których można znaleźć praktyczne zastosowania algorytmów uczenia maszynowego.

użytkownik1219801
źródło