Skip to content
BAcademy
BAcademy
Карьера в IT — это просто!
VKFacebook
support@it-bacademy.com
  • Главная
  • Специалисты
    • Предстоящие тренинги
    • Jump Start. Карьера в бизнес-анализе
    • Prof Development. Бизнес-анализ для IT специалистов
    • Level Up. Деловой Английский в для ИТ-специалистов
  • Бизнес
    • Корпоративные Тренинги
    • Консалтинг
    • HR Услуги
  • Блог
  • О нас
  • Контакты
  • Главная
  • Специалисты
    • Предстоящие тренинги
    • Jump Start. Карьера в бизнес-анализе
    • Prof Development. Бизнес-анализ для IT специалистов
    • Level Up. Деловой Английский в для ИТ-специалистов
  • Бизнес
    • Корпоративные Тренинги
    • Консалтинг
    • HR Услуги
  • Блог
  • О нас
  • Контакты

Подборка 8 лучших книг по Machine Learning и Data Mining 

 

1. «An Introduction to Statistical Learning: with Applications in R» (2013) 

Результат пошуку зображень за запитом "«An Introduction to Statistical Learning: with Applications in R»"
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. Результат пошуку зображень за запитом "Machine Learning: A Probabilistic Perspective"«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) Ð ÐµÐ·ÑƒÐ»ÑŒÑ‚ат пошуку зображень за запитом "Probabilistic Graphical Models: Principles and Techniques"
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:
Летний Аналитический Фестиваль
28.01.2020
ІТ-термины простыми словами, на примере процесса выращивания картошки
06.06.2019
Книга «Как начать карьеру в бизнес-анализе»
14.05.2019
Mind Mapping в бизнес-анализе или как приучить свой мозг к концентрации
13.05.2019
Business Analysis Career Fundamentals Workshop
08.05.2019
Подборка книг о тайм-менеджменте
10.04.2019
Оставить комментарий

Отменить ответ

Ваш email адрес не публикуется. Обязательные для заполнения поля помечены *

очиститьОтправить

E9VthYQjAjM
Скоро

hCIR6qFc9y4

Последние записи
  • Летний Аналитический Фестиваль
    28.01.2020
  • Подборка 8 лучших книг по Machine Learning и Data Mining 
    15.07.2019
  • ІТ-термины простыми словами, на примере процесса выращивания картошки
    06.06.2019
  • Книга «Как начать карьеру в бизнес-анализе»
    14.05.2019
  • Mind Mapping в бизнес-анализе или как приучить свой мозг к концентрации
    13.05.2019
  • Business Analysis Career Fundamentals Workshop
    08.05.2019
BAcademy
Карьера в IT - это просто!
  • Главная
  • Блог
  • О нас
  • Контакты
bottom