Demande de référence: Machine Learning from Scratch

Question

J'ai une formation en génie logiciel et la question est un peu liée à la théorie CS, mais je trouve plus approprié de poster ma question ici.

Je souhaite me lancer dans l'apprentissage automatique, mais je n'ai pas trouvé de livre expliquant le processus à partir de zéro. Il s'agit soit de tutoriels sur la façon d'utiliser TensorFlow (mais sans réellement apprendre les concepts et les mathématiques impliqués) soit de livres plus rigoureux orientés vers les mathématiciens (une autre question a été posée mais avec une approche beaucoup plus rigurée ici )

Un de mes livres préférés est Code: The Hidden Language of Computer Hardware and Software, qui explique les bases de l'informatique, du binaire et de l'architecture d'une manière très intuitive et accessible qui peut être facilement comprise même par des personnes sans connaissances en la matière.

Bien que ce ne soit pas si profond, je cherchais une ressource similaire pour l'apprentissage automatique, qui guide le lecteur à travers le calcul de base, les statistiques et l'algèbre linéaire et s'appuie sur l'apprentissage automatique de base. Plus que de chercher des preuves, je m'intéresse aux mathématiques derrière pour faciliter mon apprentissage.

Answer 1

Pour un aperçu de base, vous pouvez essayer le livre d'apprentissage automatique de cent pages de Burkov

Si vous voulez quelque chose d'un peu plus substantiel, je suggérerais une introduction à l'apprentissage statistique par James, Witten et al. Je pense qu'il s'adresse à un public de premier cycle dans une variété de domaines. Pour un texte encore plus mathématique sur les mêmes sujets, essayez Elements of Statistical Learning par Hastie et Tibshirani, qui est un classique.

D'autres textes courants dans le domaine sont la reconnaissance de formes et l'apprentissage automatique par Bishop et l'apprentissage automatique: une perspective probabiliste de Murphy. Les deux sont très lisibles

Answer 2

Vous pourriez être intéressé par le "livre d'apprentissage en profondeur" par Ian Goodfellow.

Cela commence par un peu d'algèbre linéaire et de statistiques (pas de calcul) appliquées aux problèmes d'optimisation et un aperçu général de l'apprentissage automatique suivi d'une plongée plus approfondie dans différents types de réseaux de neurones profonds (feedforward, convolutif, etc.).

Ce n'est cependant pas un apprentissage automatique général, mais il peut être utilisé comme point de départ.