Летний Аналитический Фестиваль
1. «An Introduction to Statistical Learning: with Applications in R» (2013)
Эту книгу очень хорошо оценили на сайте Amazon. Она была написана тремя профессорами из USC, Стэнфорда и Университета штата Вашингтон. Три автора: Гарет Джеймс, Даниэла Виттен и Тревор Гесте — все имеют опыт в области статистики. Книга является более практичной, чем аналог «The Elements of Statistical Learning» с представлениями примеров в R.
2. «The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition» (2011)
Хорошо оценили книгу на Amazon. Она написана тремя профессорами по статистике из Стэнфорда. Книга кажется немного тяжеловата в прочтении, так что некоторые читатели могли бы пропустить ее.
3. «Pattern Recognition and Machine Learning» (2007)
Высоко оценили книгу на Amazon, написанную известным автором Кристофером М. Бишопом, который является выдающимся ученым в Microsoft Research в Кембридже, где он ведет машинное обучение. Книга технически понятная. В книге затронуты такие темы, как регрессия, линейная классификация, нейронные сети, методы ядра и графические модели.
4. 
«Machine Learning: A Probabilistic Perspective» (2012)
Данная книга предоставляет набор методов, которые могут автоматически обнаруживать закономерности в данных, а затем использовать непокрытые модели для прогнозирования будущих данных. Учебник предлагает всестороннее введение в область машинного обучения, на основе единого, вероятностного подхода. Автор книги, Кевин Мерфи, является ученым-исследователем в Google, где он работает над AI, машинного обучения, компьютерного зрения, база знаний строительства и обработки естественного языка.
5. «Data Mining: Concepts and Techniques, Third Edition» (2011)
Книга, написанная Jiawei Han из департамента компьютерных наук в Univ (Иллинойс). Книга поможет вам в понимании и применении теории и практики обнаружения паттернов, скрытые в больших наборов данных. Имеет среднюю оценку на Amazon.
6. «Data Mining: Practical Machine Learning Tools and Techniques, Third Edition» (2011)
Это долгожданное третье издание из самых известных работ по интеллектуальному анализу данных и машинному обучению научит вас всему тому, что вам нужно знать о подготовке материалов, интерпретации результатов, оценке результатов, а также алгоритмическим методам на основе успешного интеллектуального анализа данных.
7. «Probabilistic Graphical Models: Principles and Techniques» (2009) 
Данная книга является уникальной. Она обеспечивает основу вероятностных графических моделей для разработки автоматизированной системы разума. Книга написана двумя профессорами: Дафна Коллер из Стэнфордской лаборатории ИИ и Нир Фридман из Еврейского университета в Иерусалиме.
8. «Machine Learning»
«Machine Learning» является хорошо известной книги в области машинного обучения, написанной Томом Митчеллом — американский профессор ученый из Университета Карнеги-Меллона. Том Митчелл является первым председателем отдела машинного обучения в мире, основанной в Карнеги-Меллона. Книга затрагивает несколько фундаментальных областей в ML, включая: обучение, дерево принятия решений, нейронные сети, Байесовское обучение, обучение с подкреплением и так далее.
Вам также будет интересно:
