Bons exemples / livres / ressources pour en savoir plus sur l'apprentissage automatique appliqué (pas seulement ML lui-même)


11

J'ai déjà suivi un cours de ML, mais maintenant que je travaille avec des projets liés au ML dans mon travail, j'ai beaucoup de mal à l'appliquer. Je suis sûr que les trucs que je fais ont déjà fait l'objet de recherches / traités, mais je ne trouve pas de sujets spécifiques.

Tous les exemples d'apprentissage automatique que je trouve en ligne sont très simples (par exemple, comment utiliser un modèle KMeans en Python et regarder les prédictions). Je suis à la recherche de bonnes ressources sur la façon de les appliquer, et peut-être de coder des exemples d'implémentations d'apprentissage à grande échelle et de formations de modèles. Je veux savoir comment traiter efficacement et créer de nouvelles données qui peuvent rendre les algorithmes ML beaucoup plus efficaces.

Réponses:


10

Je n'ai aucune connaissance en ML. Après une petite recherche sur le Web, j'ai trouvé un fil reddit qui répertorie les livres suivants - qui sont tous légalement téléchargeables gratuitement. Vous pouvez rechercher les titres de votre intérêt pour plus de détails. Commentez également si vous trouvez les livres utiles (et pourquoi).

Apprentissage automatique

Probabilité / Statistiques

Algèbre linéaire / optimisation

Algorithme génétique


1
Merci pour les liens. Je suis en train d'en vérifier certaines, mais ce qui m'intéresse le plus, c'est quelque chose qui donne des exemples pratiques d'utilisation des algorithmes et de la formation d'un modèle. J'ai déjà une bonne base pour leur fonctionnement mathématique, je n'ai donc plus besoin de comprendre cela. Étant donné que j'ai des modèles fonctionnels pour chacun des algorithmes (qui sont largement disponibles), je veux apprendre à utiliser ces fonctions pour développer efficacement un modèle.
Stoneman



En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.