Один из моих любимых способов учиться — это читать книги, особенно когда я сталкиваюсь с темой, которая для меня мало или совсем новая. Книги организованы таким образом, что содержание тщательно представлено читателю с точки зрения сложности, облегчая понимание новичком. Тем не менее, не обязательно строго следовать предложенному ходу книги, и читатель может задать свой собственный темп при перелистывании страниц.

Недостатком является то, что значительное количество книг, предназначенных для технической аудитории, содержит огромное количество информации, что приводит к большому количеству страниц. В большинстве случаев нет необходимости читать все за один присест, но у некоторых людей (например, у меня) это все же вызывает страх что-то упустить. Особенно в отношении машинного обучения и инженерии машинного обучения, которые я изучаю уже довольно давно, которые имеют очень сложные и подробные основы, это может быть довольно страшно для начала.

Итак, помня об этом, я отправился на поиски кратких, простых для понимания книг, охватывающих темы, упомянутые выше, и вот подборка из трех моих личных фаворитов, в произвольном порядке. Конечно, есть и другие превосходные чтения, но в этой подборке я решил сосредоточиться на более быстрых чтениях, которые предлагают наибольшую ценность затраченного времени.

Карманный справочник по машинному обучению

Автор: Мэтт Харрисон
Издатель: O’Reilly
Количество страниц: 320

Перед тем, как взять в руки этот, я думал, что он будет слишком простым или сложным из-за карманного справочника, но я был приятно удивлен, обнаружив, что это не так. Что мне особенно нравится в этой книге, так это аккуратное описание гиперпараметров каждой модели, то, с чем я боролся в прошлом, но в книге это сделано очень просто. Это отличный вариант для тех, кто хочет быстро взглянуть на то, как работает процесс построения модели.

Инженерия машинного обучения с Python

Автор: Эндрю П. МакМахон
Издатель: Packt
Количество страниц: 276

Эта книга шаг за шагом проведет вас через процесс создания модели и запуска ее в производство. В ней не так глубоко рассматривается само машинное обучение, как в упомянутой выше книге, но она делает шаг вперед, представляя инструменты, обычно используемые в отрасли, которые улучшают разработку, обеспечивают воспроизводимость и ведут к более надежному конвейеру. Он также затрагивает темы, касающиеся бизнес-аспектов и того, как обычно организованы команды на местах, что делает его отличной рекомендацией для людей, которые ищут свою первую возможность или приходят с совершенно другой должности.

Машинное обучение в производстве

Автор: Эндрю Келлехер и Адам Келлехер
Издатель: Addison-Wesley
Количество страниц: 228

Я бы назвал эту книгу связующим звеном между двумя предыдущими книгами. Он гораздо более подробно рассматривает теоретические и математические аспекты машинного обучения, сохраняя при этом достаточно простое объяснение, учитывая сложность тем. Он отличается тем, что привносит инженерные аспекты, которые имеют основополагающее значение для создания эффективных и надежных систем, идеально подходящих для тех, кто не имеет солидного опыта в области компьютерных наук или разработки программного обеспечения.

Вы идентифицируете себя как латиноамериканца и работаете в области искусственного интеллекта или знаете кого-то из латиноамериканца и работает в области искусственного интеллекта?

Не забудьте нажать 👏 ниже, чтобы поддержать наше сообщество — это очень много значит! Спасибо :)