09 января 2017

ВОПРОС - насколько необходим выпуск на русском языке книги «Машинное обучение для чайников»?

Летом 2016 года в издательстве Wiley (USA) вышла книга «Machine Learning For Dummies» (Машинное обучение для чайников)

Машинное обучение (англ. Machine Learning) — обширный подраздел искусственного интеллекта (ИИ, англ. Artificial intelligence, AI), математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извлекающая знания из данных (Big Data)

Машинное обучение может быть головоломной штукой для большинства людей, но те, кто находятся на передовой программирования знают, насколько бесценной является эта концепция. Без машинного обучения не были бы возможны выявление мошенничества, выдача поисковых результатов, реклама в реальном времени на веб-сайтах, оценка кредитного рейтинга, работа спам-фильтров и автоматизация различных процессов. И это только немногие из его возможностей

 Написанная двумя экспертами в области науки о данных, книга «Машинное обучение для чайников» предлагает необходимую отправную точку для тех, кто ищет способы применения машинного обучения для решения практических задач

Покрывая темы начального уровня, необходимые для ознакомления с базовыми принципами машинного обучения, это руководство поможет Вам быстро понять языки программирования и другие инструменты необходимые для реализации задач машинного обучения. Разозлены ли Вы математикой лежащей в основе машинного обучения или уже знаете что-то про искусственный интеллект или озадачены подготовкой данных или что-то посредине – книга «Машинное обучение для чайников» облегчит понимание и сведёт к минимуму препятствия на пути применения машинного обучения

Оригинал книги: «Machine Learning For Dummies», John Paul Mueller, Luca Massaron, 432 pages, ISBN 978-1-119-24551-3, July 2016

ВОПРОС - насколько необходим выпуск на русском языке книги «Машинное обучение для чайников»?

Свои пожелания и рекомендации Вы можете оставить ниже, перейдя в раздел комментариев этого сообщения

_________________________________________________________________________________
СОДЕРЖАНИЕ книги «Машинное обучение для чайников»
_________________________________________________________________________________
Введение

ЧАСТЬ 1: ПЕРВОЕ ЗНАКОМСТВО С МАШИННЫМ ОБУЧЕНИЕМ

Глава 1: Правда об искусственном интеллекте (AI)
Как избежать обмана
Мечты об электрических овцах
Преодолевая фантазии AI
Рассмотрение отношений между AI и машинным обучением
Учитывая спецификации AI и машинного обучения
Определение водораздела между искусством и инженерией

Глава 2: Обучение в эпоху Больших Данных
Определение Больших Данных
Обсуждение источников Больших Данных
Определение роли статистики в машинном обучении
Понимание роли алгоритмов
Определение что такое средства обучения

Глава 3: Взгляд в будущее
Создание полезных технологий для будущего
Открытие новых возможностей работы с машинным обучением
Как избежать потенциальных ловушек будущих технологий

ЧАСТЬ 2: ПОДГОТОВКА ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ ОБУЧЕНИЯ

Глава 4: Инсталляция дистрибутива языка R
Выбор дистрибутива R с мыслью о машинном обучении
Инсталляция R на Windows
Инсталляция R на Linux
Инсталляция R на Mac OS X
Загрузка наборов данных и примеры программных кодов

Глава 5: Кодирование на R, используя RStudio
Понимание базовых типов данных
Работа с векторами
Организация данных, используя списки
Работа с таблицами
Взаимодействие с многомерными данными, используя массивы
Создание структуры данных
Выполнение базовых статистических задач

Глава 6: Инсталляция дистрибутива Python
Выбор дистрибутива Python с мыслью о машинном обучении
Инсталляция Python на Linux
Инсталляция Python на Mac OS X
Инсталляция Python на Windows
Загрузка наборов данных и примеры программных кодов

Глава 7: Кодирование на Python, используя Anaconda
Работа с числами и логикой
Создание и использование рядов (цепочек последовательностей)
Взаимодействие с датами
Создание и использование функций
Использование условных выражений и цикла (петли) утверждения
Хранение данных, используя множества, списки и кортежи
Определение полезных итераторов
Индексация данных, используя словари
Хранение программного кода в модулях

Глава 8: Исследование других инструментальных средств машинного обучения
Встреча с предшественниками SAS, Stata и SPSS
Обучение в академии с Weka
Обращение к сложным алгоритмам становится легким при использовании LIBSVM
Выполняется так быстро, как летит свет с Vowpal Wabbit
Визуализация с Knime и RapidMiner
Работа с большими массивами данных при использовании Spark

ЧАСТЬ 3: НАЧИНАЕМ С ОСНОВ МАТЕМАТИКИ

Глава 9: Снятие мифов с математики после машинного обучения
Работа с данными
Исследование мира вероятностей
Описание использования статистики

Глава 10: Спуск по правильной кривой
Интерпретация обучения как оптимизации
Исследование функций стоимости
Спуск по кривой ошибок
Обновление посредством минипакета и онлайн

Глава 11: Проверка правильности машинного обучения
Проверка ошибок за пределами выборки
Распознавание границ отклонения
Хранение сложности модели в уме
Хранение сбалансированных решений
Обучение, проверка правильности и тестирование
Обращение к перекресной проверке правильности
Поиск альтернатив при проверке правильности
Оптимизация выбора перекрестной проверки правильности
Как избежать типовых отклонений и циклов потерь

Глава 12: Начинаем с простых учеников
Обнаружение невероятного перцептрона
Выращивание жадных деревьев классификации
Принимая вероятностный поворот

ЧАСТЬ 4: ОБУЧЕНИЕ НА ОСНОВЕ УМНЫХ И БОЛЬШИХ ДАННЫХ

Глава 13 Предварительная обработка данных
Сбор и очистка данных
Восстановление недостающих данных
Преобразование распределенных данных
Создание Ваших cобственных свойств
Сжатие данных
Разграничивание аномальных данных

Глава 14: Достижение подобия
Измерение подобия между векторами
Использование расстояния для определения местонахождения кластеров
Настройка алгоритма K-средних
Поиск классификации на базе алгоритма K-ближайших соседей
Достижение правильного параметра K

Глава 15: Работа с линейными моделями наиболее легкий путь
Сначала объединить переменные
Смешивание переменных различных типов
Переключение на вероятности
Оценка правильных свойств
Обучение одного примера за один раз

Глава 16: Удар по сложности нейронных сетей
Обучение и подражание природе
Борьба с переобучением
Введение в глубинное обучение

Глава 17: Продвижение на шаг вперед в использовании опорных векторов
Возвращаясь к проблеме разделения: новый подход
Объяснение алгоритма
Применение нелинейности
Иллюстрирование гиперпараметров
Классификация и оценивание с SVM

Глава 18: Прибегая к ансамблям учеников
Использование деревьев решений
Работа с почти случайными предположениями
Стимуляция умных предсказателей
Усреднение других предсказателей

ЧАСТЬ 5: ПРИМЕНЕНИЕ ОБУЧЕНИЯ К РЕАЛЬНЫМ ПРОБЛЕМАМ

Глава 19: Классификация изображений
Работа с набором изображений
Извлечение визуальных особенностей
Распознавание лиц с использованием алгоритма Eigenfaces
Классификация изображений

Глава 20: Оценка мнений и настроений
Внедрение обработки естественного языка
Понимание того, как машина читает
Использование скоринга и классификации

Глава 21: Рекомендуя продукты и фильмы
Осуществляя революцию
Загрузка рейтинговых данных
Усиление SVD

ЧАСТЬ 6: ЛУЧШИЕ ДЕСЯТКИ

Глава 22: Десять пакетов машинного обучения
Cloudera Oryx
CUDA-Convnet
ConvNetJS
e1071
gbm
Gensim
glmnet
randomForest
SciPy
XGBoost

Глава 23: Десять способов улучшить свои модели машинного обучения
Исследование кривых обучения
Правильное использование перекрестной проверки достоверности (валидации)
Правильной выбор ошибки или метрики бальной оценки
Поиск лучших гиперпараметров
Тестирование нескольких моделей
Модели усреднения
Собирание моделей
Применение инженерии свойств
Выбор свойств и примеры
Поиск большого количества данных


книга Андреаса Мюллера и Сары Гвидо «Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными»
Введение в
машинное обучение
с помощью Python


Андреас Мюллер
Сара Гвидо

полноцветное 
издание
В продаже книга «Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными», Андреас Мюллер, Сара Гвидо, перевод Артёма Груздева, формат 70х100/16, мягкий переплёт, бумага мелованная 115 г матовая, полноцветное издание, 480 стр., ISBN 978-5-9908910-8-1, «ДИАЛЕКТИКА», 2017 - заказать-купить книгу «Введение в машинное обучение с помощью Python» в интернет-магазине ComBook.ru

Машинное обучение стало неотъемлемой частью различных коммерческих и исследовательских проектов, начиная от постановки медицинского диагноза c последующим лечением и заканчивая поиском друзей в социальных сетях. Многие полагают, что машинное обучение могут использовать только крупные компании, обладающие мощными командами аналитиков

В книге «Введение в машинное обучение с помощью Python» описывается как можно самостоятельно и c удивительной легкостью построить модели машинного обучения (Machine Learning, ML). Прочитав эту книгу, вы сможете построить свою собственную систему машинного обучения, которая позволит выяснить настроения пользователей Твиттера или получить прогнозы по поводу глобального потепления

Машинное обучение заключается в извлечении знаний из данных. Это научная область, находящаяся на пересечении статистики, искусственного интеллекта и компьютерных наук и также известная как прогнозная аналитика или статистическое обучение. В последние годы применение методов машинного обучения в повседневной жизни стало обыденным явлением

Книга «Введение в машинное обучение с помощью Python» является вводной и не требует предварительных знаний в области машинного обучения или искусственного интеллекта

Область применения машинного обучения безгранична и, учитывая все многообразие данных, имеющихся на сегодняшний день, ограничивается лишь вашим воображением

Оригинал книги: «Introduction to Machine Learning with Python A Guide for Data Scientists», Andreas C. Müller, Sarah Guido, 394 pages, ISBN 9781491939109, October 2016

ЗДЕСЬ - читайте ОБ АВТОРАХ книги - Андреасе Мюллере и Саре Гвидо
ЗДЕСЬ - читайте ПРЕДИСЛОВИЕ к книге
ЗДЕСЬ - читайте полное СОДЕРЖАНИЕ книги Андреаса Мюллера и Сары Гвидо
ЗДЕСЬ - читайте Главу 6 «Объединение алгоритмов в цепочки и конвейеры» из книги Андреаса Мюллера и Сары Гвидо «Введение в машинное обучение с помощью Python»
ЗДЕСЬ - загрузите ЛИСТИНГИ из книги Андреаса Мюллера и Сары Гвидо «Введение в машинное обучение с помощью Python»

заказать-купить книгу Андреаса Мюллера и Сары Гвидо «Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными» в интернет-магазине КОМБУК (самая низкая цена в России!) (книгу можно заказать-купить в КОМБУКе - самая низкая цена в России)
(заказать-купить книгу «Введение в машинное обучение с помощью Python» в интернет-магазине ComBook.ru)

заказать-купить книгу Андреаса Мюллера и Сары Гвидо «Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными» в онлайн-мегамаркете Ozon.ru(книгу можно заказать-купить в Ozon.ru)
(заказать-купить книгу «Введение в машинное обучение с помощью Python» в онлайн-мегамаркете Ozon.ru)

заказать-купить книгу Андреаса Мюллера и Сары Гвидо «Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными» в интернет-магазине DiaMail (Украина) (книгу можно заказать-купить в DiaMail Украина)
(заказать-купить книгу по «Введение в машинное обучение с помощью Python» в интернет-магазине diamail.com.ua)

Книга обсуждается в отдельном сообщении моего блога


Будет издана книга «Создаем нейронную сеть», Тарик Рашид, цветная-мягкий переплет, ~250 стр., ISBN , «ДИАЛЕКТИКА», 2017

Книга «Создаем нейронную сеть» представляет собой введение в теорию и практику создания нейронных сетей. Тарик Рашид, автор этой книги, простым и понятным языком объясняет теоретические аспекты, знание которых необходимо для понимания принципов функционирования нейронных сетей и написания соответствующих программных инструкций

Изложение материала сопровождается подробным описанием процедуры поэтапного создания полностью функционального кода, который реализует нейронную сеть на языке языке программирования Python и способен выполняться даже на таком миниатюрном компьютере, как Raspberry PI Zero

Основные темы книги «Создаем нейронную сеть»:

— нейронные сети и системы искусственного интеллекта;
— структура нейронных сетей;
— сглаживание сигналов, распространяющихся по нейронной сети, с помощью функции активации;
— тренировка и тестирование нейронных сетей;
— интерактивная оболочка для языка программирования Python - IPython;
— использование нейронных сетей в качестве классификаторов объектов;
— распознавание образов с помощью нейронных сетей

Книга «Создаем нейронную сеть» предназначена для тех, кто хочет узнать, что такое нейронные сети, где они применяются и как самому создать такую сеть, не имея опыта работы в данной области

Оригинал книги: «Make Your Own Neural Network», Tariq Rashid, 222 pages, ISBN 9781530826605, March 2016

заказать-купить книгу Тарика Рашида «Создаем нейронную сеть» в интернет-магазине DiaMail (Украина) (книгу можно заказать в DiaMail Украина)
(заказать-купить книгу «Создаем нейронную сеть» в интернет-магазине diamail.com.ua)

Книга обсуждается в отдельном сообщении моего блога

книга Роберта Каллана «Нейронные сети. Краткий справочник»
Нейронные сети 
Краткий справочник

Роберт Каллан
Переиздана книга «Нейронные сети. Краткий справочник», Роберт Каллан, бумага офсетная-белая, мягкий переплет, 288 стр., ISBN 978-5-8459-2131-4, «ДИАЛЕКТИКА», 2017 - заказать-купить книгу «Нейронные сети. Краткий справочник» в интернет-магазине ComBook.ru

Книга «Нейронные сети. Краткий справочник» является первой в полном курсе по нейронным сетям. Целью книги является раскрытие основных понятий и изучение основных моделей нейронных сетей с глубиной, достаточной для того, чтобы опытный программист мог реализовать такую сеть на том языке программирования, который покажется ему предпочтительнее

В книге «Нейронные сети. Краткий справочник» рассматриваются основные модели нейронных сетей, важные для понимания основ изучаемого предмета, и обсуждаются связи между нейронными сетями и традиционными понятиями из области искусственного интеллекта

Книга «Нейронные сети. Краткий справочник» написана доступным, простым языком. Она будет полезна не только начинающим, но и тем, кто уже использовал нейронные сети в своих программных проектах

Оригинал книги: «The Essence of Neural Networks» by Robert Callan, 248 pages, ISBN 9780139087325

ЗДЕСЬ - читайте ПРЕДИСЛОВИЕ к книге «Нейронные сети. Краткий справочник»
ЗДЕСЬ - читайте СОДЕРЖАНИЕ книги «Нейронные сети. Краткий справочник»
ЗДЕСЬ - читайте 4 Главу «Ассоциация образцов» из книги «Нейронные сети. Краткий справочник»

заказать-купить книгу Роберта Каллана «Нейронные сети. Краткий справочник» в интернет-магазине КОМБУК (самая низкая цена в России!) (книгу можно заказать в КОМБУКе - самая низкая цена в России!)
(заказать-купить книгу «Нейронные сети. Краткий справочник» в интернет-магазине ComBook.ru)

заказать-купить книгу Роберта Каллана «Нейронные сети. Краткий справочник» в онлайн-мегамаркете Ozon.ru(книгу можно заказать в Ozon.ru)
(заказать-купить книгу «Нейронные сети. Краткий справочник» в онлайн-мегамаркете Ozon.ru)

заказать-купить книгу Роберта Каллана «Нейронные сети. Краткий справочник» в интернет-магазине DiaMail (Украина) (книгу можно заказать в DiaMail Украина)
(заказать-купить книгу «Нейронные сети. Краткий справочник» в интернет-магазине diamail.com.ua)

Книга обсуждается в отдельном сообщении моего блога

Будет издана книга «Машинное обучение на платформах Scikit-Learn и TensorFlow: концепции, инструменты и технологии построения интеллектуальных систем», Орельян Жерон, бумага офсетная-белая, твердый переплет, полноцветное издание, ~600 стр., ISBN , «ДИАЛЕКТИКА», 2018

Благодаря серии недавних достижений глубинное обучение усилило всю сферу машинного обучения. Теперь даже программисты, почти ничего не знающие об этой технологии, могут использовать простые и эффективные инструменты для реализации программ, которые способны обучаться на основе данных

В практическом руководстве «Машинное обучение на платформах Scikit-Learn и TensorFlow: концепции, инструменты и технологии построения интеллектуальных систем» будет показано, как это делать

За счет применения конкретных примеров, минимальной теории и двух готовых производственных инфраструктур Pythonscikit-learn и TensorFlow – автор книги Орельен Жерон (Aurélien Géron) поможет Вам достичь интуитивного понимания концепций и инструментов для построения интеллектуальных систем (Intelligent Systems)

Вы изучите широкий спектр приемов, начиная с простой линейной регрессии и прогрессии и заканчивая глубокими нейронными сетями. Благодаря упражнениям в каждой главе, призванным помочь вам с применением того, что вы узнали, для начала работы вам понадобится лишь опыт программирования

- Исследуйте перспективы машинного обучения, особенно нейронных сетей
- Используйте scikit-learn для сквозного отслеживания примера проекта машинного обучения
- Исследуйте несколько моделей обучения, включая поддержку векторных машин, деревьев решений, случайных лесов и групповых методов
- Используйте библиотеку TensorFlow для построения и обучения нейронных сетей
- Исследуйте архитектуры нейронных сетей, в том числе сверточные сети, рекуррентные сети и глубинное обучение с подкреплением
- Исследуйте приемы обучения и масштабирования глубоких нейронных сетей
- Применяйте практические примеры кода не овладевая чрезмерной теорией машинного обучения или деталями алгоритмов

Оригинал книги: «Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems», Aurelien Geron, 566 pages, ISBN 9781491962299, March 2017

заказать-купить книгу Орельяна Жерона «Машинное обучение на платформах Scikit-Learn и TensorFlow: концепции, инструменты и технологии построения интеллектуальных систем» в интернет-магазине DiaMail (Украина) (книгу можно заказать-купить в DiaMail Украина)
(заказать-купить книгу по «Машинное обучение на платформах Scikit-Learn и TensorFlow» в интернет-магазине diamail.com.ua)

Книга обсуждается в отдельном сообщении моего блога
_________________________________________________________________________________
СЛЕДИТЕ ЗА ИЗМЕНЕНИЯМИ В ЭТОМ СООБЩЕНИИ -
последнее обновление - 28 июня 2017 года
_________________________________________________________________________________
на фото Виктор Штонда (Viktor Shtonda) издатель
Виктор Штонда, издатель
Viktor Shtonda, publisher
ВОПРОС - какие еще книги этой тематики Вы можете предложить для оперативного издания на русском языке ?


P.S. Только Ваша активная позиция в столь непростое время будет способствовать появлению новых и нужных Вам книг. А также, способствовать повышению качества книг, издаваемых издательской группой «ДИАЛЕКТИКА-ВИЛЬЯМС»

___________________________________________________
Ваши комментарии перед публикацией я просматриваю, поэтому я оставляю за собой право публиковать или нет комментарии с подписью Анонимный

31 комментарий:

  1. Тема очень актуальная, так что я за перевод.

    Еще хотелось бы увидеть перевод книги:
    Introduction to Machine Learning with Python By Andreas C. Müller, Sarah Guido
    Publisher: O'Reilly Media
    Final Release Date: September 2016
    Pages: 392

    http://shop.oreilly.com/product/0636920030515.do

    ОтветитьУдалить
    Ответы
    1. открою секрет - книга Introduction to Machine Learning with Python By Andreas C. Müller, Sarah Guido в производстве и скоро я сделаю по ней отдельное сообщение в своём блоге - это одна из лучших вводных книг по теме «Машинное обучение» )))

      Удалить
    2. Отличная новость! Спасибо, что издаете такие полезные книги.

      Удалить
    3. Добрый вечер. Думаю, что я бы купил эту книгу, если издадите :).

      Удалить
    4. Ух ты, вот эту, пожалуй, тоже куплю.

      Удалить
  2. Ответы
    1. эту книгу - «Машинное обучение для чайников»?

      Удалить
  3. Ответы
    1. чего ждёте? салюта? его не будет - тоьлко аргументы! в пользу издания

      Удалить
  4. Я с удовольствием приобрел бы эту книгу

    ОтветитьУдалить
  5. Кстати, если говорить в общем, с удовольствием приобрёл бы эту книку на русском http://shop.oreilly.com/product/0636920027072.do . Насколько я понимаю, она ещё не переведена.

    ОтветитьУдалить
  6. Анонимный17 января, 2017

    Эта книга не нужна. Если Вы планируете издавать вводный курс (Мюллер-Гуидо), то смысла еще в одной подобной книге нет. Лучше издать продвинутую книгу, например, культовую https://www.amazon.com/Elements-Statistical-Learning-Prediction-Statistics/dp/0387848576/

    ОтветитьУдалить
  7. С удовольствием бы приобрел книгу «Машинное обучение для чайников». Издайте ее, пожалуйста, в твердом переплете на хорошей бумаге.

    > ... издать продвинутую книгу, например, культовую https://www.amazon.com/Elements-Statistical-Learning-Prediction-Statistics/dp/0387848576/
    Отличная идея! Присоединяюсь и поддерживаю.

    ОтветитьУдалить
  8. Анонимный07 февраля, 2017

    а что скажите о https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618 - глубокие нейронные сети мат. часть. Я бы однозначно купил.

    ОтветитьУдалить
    Ответы
    1. могу сказать - мы за неё боролись .... Главное - книга будет издана на русском языке! - она выйдет в другом издательстве - в каком? ... я сделаю сообщение о книге в своём блоге )))

      Удалить
    2. Анонимный09 февраля, 2017

      Здорово, поскорее бы! Вообще мне кажется у издательва mit'а из этой области (машинное обучение) есть еще пара интерсных книг.

      Удалить
    3. Анонимный22 февраля, 2017

      Доброе утро, вот "кипрпич" - https://www.amazon.com/Probabilistic-Graphical-Models-Principles-Computation/dp/0262013193, вот у автора курс о PGM - https://www.coursera.org/learn/probabilistic-graphical-models, вот еще ресурс где есть мнения читателей - http://www.goodreads.com/book/show/6676555-probabilistic-graphical-models. Нет ли у вас в планах издать на русском этот фундаментальный труд?

      Удалить
  9. Анонимный01 апреля, 2017

    Добрый, вечер! Сейчас, язык Python на русском языке представлен большим количеством книг, а, вот язык R, крайне обделен вниманием отечественных издателей. Собственно по языку R, не переведено ни одной книги, а потребность в ней уже давно назрела. Можно, рассмотреть, как вариант, эту книгу
    https://www.amazon.com/Art-Programming-Statistical-Software-Design/dp/1593273843/ref=pd_sim_14_3?_encoding=UTF8&pd_rd_i=1593273843&pd_rd_r=TZBHZWG9R97SCT00TGPS&pd_rd_w=vQ5iQ&pd_rd_wg=iMeO4&psc=1&refRID=TZBHZWG9R97SCT00TGPS

    ОтветитьУдалить
  10. Анонимный14 апреля, 2017

    Хотелось бы предложить на обсуждение вот такую книгу: https://www.amazon.com/Deep-Learning-Practitioners-Adam-Gibson/dp/1491914254. Может кто из знатоков выскажет свое мнение о DL4J, spark MLlib 2.x.x, DL4J+spark. Кто этим пользуется, как оно? Книга как раз о DL4j.

    ОтветитьУдалить
    Ответы
    1. а почему именно эту? если Вы сделаете запрос в Амазон - "Deep Learning" и выстроите результат по дате выхода, то будете знать что выходит множество книг на эту тему - все не издашь, посему нужны веские аргументы )))

      Удалить
    2. Анонимный14 апреля, 2017

      Их сайт https://deeplearning4j.org (сайт проекта) раньше был очень беден в плане документации. Сейчас он просто шикарен. Из этого делаю вывод что ребята взялись за дело серьезно. Это мир Java. У них рассматриваются в доках cnn, rnn, autoencoder, rbm, DBN - объяснение на пальцах + примеры кода. Отдельно рассматривается nlp. У них есть возможность импортировать в java модели написанные на keras модели, но не все. Отдельная объемная статься о взаимодействии со spark-ом. есть модуль в разработке - Reinforcement Learning. Хотелось бы услышать мнение людей о dl4j.

      Удалить
    3. Анонимный20 августа, 2017

      Категорически поддерживаю выход этой книги:
      http://shop.oreilly.com/product/0636920035343.do

      Удалить
  11. Анонимный28 июля, 2017

    День добрый! Есть предложение посмотреть в сторону байесовских методов анализа данных, сетей. За рубежом эта тема очень актуальна, по ней издано много книг. Можно рассмотреть следующие две интересные книги:
    https://www.amazon.com/Doing-Bayesian-Data-Analysis-Second/dp/0124058884/ref=sr_1_1?s=books&ie=UTF8&qid=1501247707&sr=1-1&keywords=Doing+Bayesian
    и
    https://www.amazon.com/Probabilistic-Methods-Financial-Marketing-Informatics/dp/0123704774/ref=la_B001IODMSE_1_9?s=books&ie=UTF8&qid=1501247600&sr=1-9

    ОтветитьУдалить
  12. Анонимный12 августа, 2017

    Добрый вечер! Да, у нас не только не издаются книги байесовским методам анализа данных и байесовским сетям, но и по скрытым марковским моделям. Совершенно отстали от современных научных направлений. Дикость! По скрытым марковским моделям можно предложить на рассмотрение следующую книгу:
    https://www.amazon.com/Hidden-Markov-Models-Time-Introduction/dp/1482253836/ref=sr_1_1?s=books&ie=UTF8&qid=1502552917&sr=1-1&keywords=Hidden+Markov+Models+for+Time+Series

    ОтветитьУдалить
  13. Анонимный14 августа, 2017

    Здравствуйте! Хотелось бы напомнить, о такой области машинного обучения, как "обучение с подкреплением". На мой взгляд, обучение с подкреплением - по настоящему интересное направление в AI, связанное с динамикой взаимодействия интеллектуального агента с окружающей средой. Это не унылые вычислительные процедуры статистического машинного обучения, которые сейчас усиленно раскручиваются. В качестве книги по обучению с подкреплением можно рассмотреть следующую интересную монографию:
    https://www.amazon.com/dp/364244685X/ref=sxbs_sxwds-stvp_3?pf_rd_m=ATVPDKIKX0DER&pf_rd_p=3171424582&pd_rd_wg=gYw8r&pf_rd_r=EP8NRZE9825ER92TDTEK&pf_rd_s=desktop-sx-bottom-slot&pf_rd_t=301&pd_rd_i=364244685X&pd_rd_w=gTISI&pf_rd_i=Adaptive+Computation+and+Machine+Learning+series&pd_rd_r=13T5C089HMQ7BTXDJHC1&ie=UTF8&qid=1502728855&sr=3

    ОтветитьУдалить