29 lines
3.6 KiB
Markdown
29 lines
3.6 KiB
Markdown
---
|
||
tags:
|
||
- книга
|
||
---
|
||
## Материалы, рекомендованные в книге
|
||
### Сайты/ссылки
|
||
- [Библиотека Scikit-Learn](https://scikit-learn.org/)
|
||
- [Библиотека TensorFlow](https://tensorflow.org/)
|
||
- [Библиотека Keras](https://keras.io/)
|
||
- [Jupyter-notebook’и с кодом из книги](https://github.com/ageron/handson-ml2)
|
||
- [Библиотека NumPy](https://numpy.org/)
|
||
- [Библиотека pandas](https://pandas.pydata.org/)
|
||
- [Библиотека Matplotlib](https://matplotlib.org)
|
||
- [Сайт для изучения Python](https://learnpython.org/)
|
||
- [Официальное руководство по Python](https://docs.python.org/tutorial/)
|
||
- [Курсы Эндрю Эна по машинному обучению на Coursera](https://homl.info/ngcourse)
|
||
- [Сайт с руководством пользователя Scikit-Learn](https://homl.info/skdoc)
|
||
- [Сайт с интерактивными руководствами по машинному обучению Dataquest](https://www.dataquest.io/)
|
||
- [Блоги по машинному обучению на сайте Quora](https://homl.info/1)
|
||
- [Сайт по Deep Learning со списком ресурсов для дальнейшего обучения](https://deeplearning.net/)
|
||
- [Kaggle.com](https://kaggle.com)
|
||
### Книги/статьи
|
||
- [[Д. Грус. Data Science from Scratch (O’Reilly)]] — представлены основы машинного обучения и реализации ряда основных алгоритмов с помощью чистого кода на Python (с нуля)
|
||
- [[С. Марсленд. Machine Learning; An Algorithmic Perspective (Chapman and Hall)]] — представляет собой замечательное введение в машинное обучение и раскрывает широкий спектр вопросов с примерами кода на Python (также с нуля, но с использованием NumPy).
|
||
- [[С. Рашка. Python и машинное обучение]] — великолепное введение в машинное обучение.
|
||
- [[Ф. Шолле. Deep Learning with Python (Manning)]] — ориентирована на практику и раскрыват большой диапазон тем в ясной и лаконичной манере. От автора [[Ptyhon. Keras. Library|библиотеки Keras]]. Предпочтение отдается примерам кода, а не математической теории.
|
||
- [[А. Бурков. The Hundered-Page Machine Learning Book]] — отличается краткостью. Посвящена впечатляющему спектру тем, представляя их доступными терминами и не избегая математических уравнений.
|
||
- [[Я. С. Абу–Мустафа, М. Магдон-Исмаил и Сюнь-Тянь Линь. Learning from Data (AMLBook)]] — демонстрирует довольно теоретический подход к машинному обучению. *В частности, советует посмотреть главу 4, посвященную компромиссам между смещением и дисперсией*.
|
||
- [[С. Рассел и П. Норвиг. Artificial Intelligence; A Modern Approach, 3rd Edition (Pearson)]] — большая теоретическая книга, охватывающая множество тем, среди которых есть и машинное обучение. |