Machine Studying is de afgelopen jaren en maanden erg populair geworden. Industrieanalisten verwachten dat machine studying, en in het algemeen kunstmatige intelligentie, een even grote affect zal hebben op de mensheid als het web of de CPU.
Als je Machine Studying wilt leren, ben je hier op de juiste plek. Dit artikel is een gids over de beste machine learning-boeken voor afgestudeerden.
Wat is machinaal leren?
Machine studying verwijst naar de ontwikkeling en het gebruik van algoritmen waarmee machines kunnen leren hoe ze taken moeten uitvoeren in plaats van ze expliciet te programmeren om de genoemde taken uit te voeren.
Machine Studying is een vakgebied binnen de Kunstmatige Intelligentie. Kunstmatige intelligentie houdt zich breder bezig met het ontwikkelen van clever gedrag in computer systems. Machine Studying richt zich op slechts één onderdeel van AI: leren.
Hoe wordt machinaal leren gebruikt?
Computer systems zijn op schaal altijd superieur geweest aan mensen. Een pc kan in korte tijd grote hoeveelheden werk nauwkeurig verrichten. Computer systems waren echter beperkt tot het uitvoeren van alleen de taken die mensen goed genoeg begrepen om de code te schrijven om de pc te instrueren. Met andere woorden: wij vormden het knelpunt in wat computer systems konden doen.
Met Machine Studying zijn computer systems niet langer beperkt tot wat mensen kunnen uitdrukken. Hierdoor kunnen ze taken uitvoeren waarvan we voorheen onmogelijk of vervelend vonden om ze te vertellen hoe ze ze moesten doen, zoals:
- Rijd auto’s (Tesla stuurautomaat, Waymo)
- Objecten in een afbeelding identificeren (SAM)
- Kunstwerk genereren (DALL-E)
- Tekst genereren (ChatGPT)
- Vertaal de tekst (Google Translate)
- Spelletjes spelen (MindGo)
Waarom AI uit boeken leren
Bij het leren hebben boeken het voordeel dat ze een veel diepere duik bieden dan alle andere leermiddelen. Boeken ondergaan een uitgebreid schrijfproces waarbij ze worden geschreven en zinnen worden herschreven voor de duidelijkheid.
Het resultaat is goed geschreven proza dat ideeën zo goed mogelijk weergeeft. Mijn persoonlijke grootste reden om de voorkeur te geven aan op tekst gebaseerde bronnen is hoe gemakkelijk het is om naar sommige concepten te verwijzen en deze opnieuw te bekijken. Dit is moeilijker bij op video gebaseerde bronnen zoals tutorials en cursussen. Laten we dus eens kijken naar de beste boeken voor het leren van machine studying.
Het honderd pagina’s tellende Machine Studying-boek
Het Machine Studying E-book van honderd pagina’s is precies dat: een boek dat u in 100 pagina’s machine studying leert. Vanwege de beperking van 100 pagina’s geeft het boek je alleen een overzicht van het onderwerp zonder al te veel in het onkruid te verwikkelen.
| Voorbeeld | Product | Beoordeling | Prijs | |
|---|---|---|---|---|
|
|
Het honderd pagina’s tellende Machine Studying-boek |
$ 24,00 |
Koop op Amazon |
Het is ideaal voor newbies omdat het de belangrijkste grondbeginselen van het vakgebied bestrijkt, zoals leren onder toezicht en zonder toezicht, ensemblemethoden, ondersteunende vectormachines en gradiëntafdaling.
Het boek is geschreven door Andriy Burkov, een specialist in natuurlijke taalverwerking met een Ph.D. op het gebied van kunstmatige intelligentie.
Machine studying voor absolute newbies
Dit is geschreven door Oliver Theobald en is een van de gemakkelijkste en vriendelijkste introducties tot machine studying die je kunt vinden.
| Voorbeeld | Product | Beoordeling | Prijs | |
|---|---|---|---|---|
|
|
Machine studying voor absolute newbies: een duidelijke Engelse introductie (tweede editie) (AI, information… |
$ 3,90 |
Koop op Amazon |
In dit boek krijg je een inleiding tot machinaal leren, maar de auteur gaat ervan uit dat je geen eerdere codeerervaring hebt. In plaats daarvan wordt de uitleg gegeven in eenvoudig Engels en met grafische hulpmiddelen om het begrijpelijker te maken.
Je leert echter nog steeds coderen, en het boek bevat een aantal free of charge, downloadbare codeoefeningen en aanvullende video-tutorials. Met dit boek alleen bent u echter nog geen skilled op het gebied van Machine Studying. Je zult nog steeds verder moeten leren met andere bronnen.
Diep leren
Dit boek is waarschijnlijk het meest uitgebreide boek dat je over Deep Studying zult vinden. Het is ook geschreven door een crew van specialists, waaronder Ian Goodfellow, een onderzoekswetenschapper die Generative Adversarial Networks heeft ontwikkeld.
| Voorbeeld | Product | Beoordeling | Prijs | |
|---|---|---|---|---|
|
|
Deep Studying (serie Adaptive Computation en Machine Studying) |
$ 42,00 |
Koop op Amazon |
Het leert je de wiskundige concepten die je nodig hebt om deep studying te begrijpen, waaronder lineaire algebra, waarschijnlijkheidstheorie, informatietheorie en numerieke berekeningen.
Het boek behandelt de verschillende soorten netwerken die bij Deep Studying worden gebruikt, waaronder Deep Feedforward Networks, Convolutional Neural Networks en Optimization Networks. Bovendien werd het door Elon Musk onderschreven als het enige alomvattende boek over dit onderwerp.
Een inleiding tot statistisch leren
An Introduction to Statistical Studying geeft een overzicht van het vakgebied van statistisch leren. Statistisch leren is een subset van machinaal leren en omvat onder meer leermethoden zoals lineaire regressies, classificatie en ondersteunende vectormachines.
| Voorbeeld | Product | Beoordeling | Prijs | |
|---|---|---|---|---|
|
|
Een inleiding tot statistisch leren: met toepassingen in R (Springer-teksten in de statistiek) |
$ 79,99 |
Koop op Amazon |
Al deze technieken komen in het boek aan bod. Om de behandelde concepten te verstevigen, maakt het boek gebruik van voorbeelden uit de echte wereld. Het richt zich op het implementeren van de concepten die zijn geleerd in R, een populaire programmeertaal die wordt gebruikt bij machine studying en die wordt gebruikt voor statistisch computergebruik.
Het boek is geschreven door Trevor Hastie, Robert Tibshirami, Daniela Witten en Gartehm James, allen hoogleraar statistiek. Ondanks zijn sterke foundation in de statistiek, zou het boek geschikt moeten zijn voor statistici en niet-statistici.
Programmeren van collectieve intelligentie
Programming Collective Intelligence is een nuttig boek dat softwareontwikkelaars leert hoe ze applicaties kunnen bouwen die gebruik maken van datamining en machinaal leren.
| Voorbeeld | Product | Beoordeling | Prijs | |
|---|---|---|---|---|
|
|
Collectieve intelligentie programmeren: slimme internet 2.0-applicaties bouwen |
$ 27,49 |
Koop op Amazon |
Het behandelt onder meer hoe aanbevelingssystemen, clustering, zoekmachines en optimalisatie-algoritmen werken. Het bevat beknopte codevoorbeelden en oefeningen om u te helpen oefenen.
Het boek is geschreven door Toby Segaran, die ook ‘Programming the Semantic Internet’ en ‘Stunning Information’ schreef.
Grondbeginselen van machinaal leren voor voorspellende gegevensanalyse
Dit boek laat u kennismaken met de belangrijkste benaderingen van machinaal leren die worden gebruikt bij het maken van voorspellingen. Voordat het boek praktisch de benaderingen van machinaal leren behandelt, geeft het een overzicht van de theoretische concepten die u moet kennen.
| Voorbeeld | Product | Beoordeling | Prijs | |
|---|---|---|---|---|
|
|
Grondbeginselen van machine studying voor voorspellende data-analyse: algoritmen, uitgewerkte voorbeelden en… |
$ 59,95 |
Koop op Amazon |
Het boek behandelt hoe u machine studying kunt gebruiken om prijsvoorspellingen te doen, risicobeoordelingen te maken, klantgedrag te voorspellen en documenten te classificeren.
Het behandelt de vier benaderingen van machinaal leren: op informatie gebaseerd leren, op fouten gebaseerd leren, op gelijkenis gebaseerd leren en op waarschijnlijkheid gebaseerd leren. Het is geschreven door John D. Kelleher, Brian Mac Namee en Aoife D’Arcy.
Begrijp Machine Studying: van theorie tot algoritmen
Het boek introduceert machine studying en de algoritmen die dit mogelijk maken. Het biedt een theoretisch overzicht van de grondbeginselen van machine studying en hoe wiskunde wordt afgeleid.
| Voorbeeld | Product | Beoordeling | Prijs | |
|---|---|---|---|---|
|
|
Machine Studying begrijpen: van theorie tot algoritmen |
$ 44,66 |
Koop op Amazon |
Het laat ook zien hoe deze fundamentele principes vervolgens worden vertaald in algoritmen en code. Deze algoritmen omvatten stochastische gradiëntafdaling, neurale netwerken en gestructureerd outputleren.
Het boek is geschreven voor afgestudeerden en gevorderde studenten door Shai Shalev-Shwartz en Shai Ben-David. Een fysiek exemplaar kan worden gekocht bij Amazon, en een free of charge on-line versie is hier beschikbaar voor obtain en niet-commercieel gebruik.
Machine studying voor hackers
Machine Studying for Hackers is een boek geschreven met ervaren programmeurs in gedachten. Het laat je op een praktische en meer praktische manier kennismaken met machine studying. Je leert concepten uit casestudies in plaats van de wiskunde-zware benadering van andere boeken.
| Voorbeeld | Product | Beoordeling | Prijs | |
|---|---|---|---|---|
|
|
Machine Studying voor hackers: casestudy’s en algoritmen om u op weg te helpen |
$ 31,10 |
Koop op Amazon |
Het boek bevat hoofdstukken die zich richten op een specifiek gebied van machine studying, zoals classificatie, voorspelling, optimalisatie en aanbeveling.
Het richt zich op het implementeren van de modellen in de R-programmeertaal en omvat spannende projecten zoals een spam-e-mailclassificator, voorspeller van websitepaginaweergaven en een ontcijferaar van één letter.
Het boek is geschreven door Drew Conway en John Myles White, die beiden co-auteur waren van een ander boek “Machine Studying for E-mail”.
Praktisch machinaal leren met R
Palms-On Machine Studying behandelt hoe u algoritmen kunt implementeren, zoals clusteralgoritmen, auto-encoders, willekeurige forests, diepe neurale netwerken en vele andere. De implementatie gebeurt met behulp van de programmeertaal R en verschillende pakketten binnen het ecosysteem ervan.
| Voorbeeld | Product | Beoordeling | Prijs | |
|---|---|---|---|---|
|
|
Praktisch machinaal leren met R (Chapman & Corridor/CRC The R Sequence) |
$ 87,89 |
Koop op Amazon |
Het boek is zelf geen R-taaltutorial. Daarom moeten lezers al bekend zijn met de taal voordat ze het boek gebruiken. Een fysieke versie van het boek kan worden gekocht bij Amazon, en een on-line versie is hier free of charge beschikbaar.
Python-machine studying
Dit boek over Python Machine Studying introduceert machine studying en hoe je dit in Python kunt implementeren. Het begint met het behandelen van de fundamentele en meest fundamentele bibliotheken die worden gebruikt bij machinaal leren, zoals NumPy voor numerieke berekeningen en Pandas voor het omgaan met tabelgegevens.
Vervolgens introduceert het bibliotheken zoals scikit-learn, dat wordt gebruikt om machine learning-modellen te bouwen. Het boek behandelt ook het visualiseren van gegevens met behulp van Matplotlib. Het legt algoritmen uit zoals regressie, clustering en classificatie. Ook wordt beschreven hoe u modellen kunt implementeren.
Over het geheel genomen is dit boek een uitgebreide introductie tot machine studying, zodat u kunt beginnen met het implementeren van uw eigen modellen en deze in uw toepassingen kunt integreren. Het boek is geschreven door Weng Meng Lee, de oprichter van Developer Studying Options.
Interpreteerbaar machinaal leren met Python
Interpretable Machine Studying with Python is een uitgebreide gids voor machine studying die een overzicht geeft van machine learning-modellen en hoe u voorspellingsrisico’s kunt beperken en de interpreteerbaarheid kunt verbeteren door middel van praktische voorbeelden en stapsgewijze code-implementaties.
Door de basisprincipes van interpreteerbaarheid, verschillende modeltypen, interpretatiemethoden en afstemmingstechnieken te behandelen, voorziet het boek lezers van kennis van interpretatie en vaardigheden om machine learning-modellen effectief te verbeteren. Het boek is geschreven door Serg Masís, een klimaat- en agronomische datawetenschapper.
Laatste woorden
Deze lijst met boeken is uiteraard niet uitputtend, maar dit zijn enkele van de beste boeken die je kunt gebruiken om als afgestudeerde machine studying te leren. Hoewel de meeste AI met code wordt geïmplementeerd, hoef je niet altijd de code te schrijven. Er zijn veel No Code AI-tools om het ontwikkelen eenvoudiger te maken.
Bekijk vervolgens de low-code en no-code machine learning-platforms die u kunt gebruiken.
