Maskininlärning och artificiell intelligens är områden som växer och studeras allt mer. I nyheterna pratar man om avancerade implementeringar av maskininlärning som kan verka skrämmande och otillgängliga, men själva huvudbegreppen är egentligen inte så svåra att förstå. I den här artikeln går vi igenom några av de mest populära resurserna för nybörjare inom maskininlärning (eller alla som är nyfikna och vill lära sig). För några av böckerna krävs vissa förkunskaper i kodspråk och matte, vi kommer att tala om vilka det gäller.
1. Machine Learning For Absolute Beginners: A Plain English Introduction (Second Edition) av Oliver Theobald
Författare: Oliver Theobald
Webbplats: Amazon
Titeln är väl ganska tydlig, eller hur? Den här boken passar den som vill få en fullständig introduktion i maskininlärning. Theobald menar verkligen ”helt nybörjare”, det är inget han bara säger. Det krävs ingen matematisk bakgrund eller erfarenhet av att koda. Det här är den mest grundläggande introduktionen för den som är intresserad av maskininlärning.
”Enkelt” språk värderas högt, nybörjare ska inte bli avskräckta av teknisk jargong. Tydliga och tillgängliga förklaringar med visuella exempel gör de olika algoritmerna lättare att förstå. Viss enkel programmering presenteras för att sätta in maskininlärning i ett sammanhang.
2. Machine Learning For Dummies av John Paul Mueller och Luca Massaron
Författare: John Paul Mueller och Luca Massaron
Webbplats: Amazon
Den populära ”Dummies”-serien är ett annat bra exempel för de som är helt nybörjare. Syftet med den här boken är att låta läsarna bekanta sig med de grundläggande begreppen inom och teorierna bakom maskininlärning, och hur det används i verkligheten. Den lägger fram programmeringsspråk och verktyg som används inom maskininlärning och visar hur skenbart esoterisk maskininlärning kan bli något praktiskt användbart.
Den ger en kort introduktion till kodning i Python och R som används till att lära maskiner att hitta mönster och analysera resultat. Utifrån sådana uppgifter och mönster kan vi räkna ut hur maskininlärning kan användas i vardagen, i webbsökningar, internetannonser, e-postfilter, bedrägeribevakning och så vidare. Med den här boken i handen kan du ta ett litet steg in i maskininlärningens rike.
3. Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies av John D. Kelleher, Brian Mac Namee och Aoife D'Arcy
Författare: John D. Kelleher, Brian Mac Namee och Aoife D'Arcy
Webbplats: Amazon
Det här är en heltäckande bok om grunderna i maskininlärning. Den dyker ner i teori, och befäster sedan kunskaperna med hjälp av praktiska applikationer, arbetsexempel och fallstudier. Fundamentals passar bäst för dem som har viss analytisk kunskap.
Här presenteras olika infallsvinklar till utbildning i maskininlärning. Varje utbildningskoncept följs av algoritmer, modeller och arbetsexempel för att visa hur koncepten fungerar i praktiken.
4. Programming Collective Intelligence av Toby Segaran
Författare: Toby Segaran
Webbplats: O'Reilly | Amazon
Det här är snarare en handbok om hur man implementerar maskininlärning än en introduktion till ämnet. I den här boken lär du dig att skapa algoritmer i maskininlärning för att samla in data som är användbar till specifika projekt. Du får lära dig att skapa program för att komma åt data från webbplatser, samla in data från applikationer, och räkna ut vad den har för betydelse när du väl har samlat in den.
Programming Collective Intelligence visar även upp filtreringstekniker, metoder för att upptäcka grupper och mönster, sökmotorsalgoritmer, sätt att göra förutsägelser med mera. Varje kapitel innehåller övningar som visar praktiska exempel av det man har gått igenom.
5. Machine Learning for Hackers av Drew Conway och John Myles White
Författare: Drew Conway och John Myles White
Webbplats: O’Reilly | Amazon
Här används ordet "hackare" i en mer teknisk mening: programmerare som hackar ihop kod för specifika mål och praktiska projekt. För de som inte är så bevandrade i matematik men har erfarenhet av programmering och programmeringsspråk är Machine Learning for Hackers ett bra val. Maskininlärning grundar sig vanligtvis på mycket matematik på grund av algoritmerna som krävs för att analysera data. Många erfarna kodare utvecklar dock inte de mattekunskaperna.
I den här boken används praktiska fallstudier för att presentera materialet i verkliga praktiska applikationer snarare än att gå djupt in i matematisk teori. Här presenteras typiska problem i maskininlärning och hur man löser dem med programmeringsspråket R. Det går att använda maskininlärning på oändligt många sätt. Man kan till exempel jämföra senatorer i USA baserat på hur de röstar, skapa ett rekommendationssystem för vem man bör följa på Twitter eller upptäcka spam baserat på själva texten i e-postmeddelandet.
6. Machine Learning in Action av Peter Harrington
Författare: Peter Harrington
Webbplats: Amazon
Machine Learning in Action är en guide som tar nybörjaren genom olika tekniker som krävs för maskininlärning och idéerna som ligger bakom de praktiska metoderna. Boken fungerar som en handledning för utvecklare som vill lära sig att koda egna program för att skaffa data att analysera.
I den här boken lär du dig de tekniker som används praktiskt, med starkt fokus på själva algoritmerna. Kodavsnitt ur programmeringsspråket visar exempel på kod och algoritmer så att du kommer igång och ser hur det påskyndar maskininlärningen. Kännedom om programmeringsspråket Python är en fördel eftersom det används i de flesta exemplen.
7. Data Mining: Practical Machine Learning Tools and Techniques av Ian H. Witten, Eibe Frank och Mark A. Hall
Författare: Ian H. Witten, Eibe Frank och Mark A. Hall
Webbplats: Amazon
I Data Mining fokuserar författarna på det tekniska arbetet i maskininlärning och hur du samlar in den data du behöver med specifika datautvinningstekniker. De går in på tekniska detaljer inom maskininlärning, lär ut metoder för att skaffa data och visar hur olika indata och utdata används för att utvärdera resultat.
Eftersom maskininlärning ändras hela tiden diskuteras även modernisering och ny programvara som formar ämnet. Traditionella tekniker presenteras parallellt med ny forskning och nya verktyg. Det gäller särskilt författarnas egen programvara, Weka, som utvecklats för tillämpad maskininlärning.
Ansvarsfriskrivning: Tableau ger inget officiellt stöd till eller tjänar pengar på några av de produkter eller åsikter som listas i den här artikeln. Inte heller är några partnerprogram länkade till den här sidan. Den här artikeln är endast avsedd för utbildningsändamål och ovanstående information om produkter och publikationer görs tillgänglig så att läsare kan fatta välgrundade beslut på egen hand.