Книги з математики для початківців для машинного навчання

Я інженер з інформатики, що не маю досвіду в статистиці чи вдосконаленій математиці.

Я вивчаю книгу « Машинне навчання Python» від Рашка та Мирджалілі, але коли я спробував зрозуміти математику машинного навчання, я не зміг зрозуміти велику книгу, яку друг запропонував мені «Елементи статистичного навчання» .

Чи знаєте ви простіші статистичні та математичні книги для машинного навчання? Якщо ви цього не зробите, як мені рухатись?

Хоча книжка вам потрібна, я рекомендую наступні курси відповідно для розуміння статистики, яка використовується для машинного навчання та інших завдань у галузі даних. Вони безкоштовні.

• Вивчіть статистику - вступ до курсу статистики
• Вступ до описової статистики
• Конференційна статистика: Дізнайтеся статистичний аналіз

Якщо я хочу порекомендувати книгу, я рекомендую наступну книгу, яка є безкоштовною за ліцензією CC . Він має приємні приклади і настільки практичний; до того ж, у ньому є безліч кодів, які допомагають відчувати статистику на прикладах реального світу.

• Подумайте Python від Аллена Б. Дауні

• Підручник з наукових даних Python

Також може допомогти наступне посилання:

• Від Google Google хороший і лаконічний

Вступ до лінійної алгебри https://math.mit.edu/~gs/linearalgebra/ - хороша відправна точка. Переконайтеся, що вам добре з теорією ймовірностей, лінійною алгеброю та статистикою. Дуже глибокі знання можуть не знадобитися, але потрібні хороші знання.

Перш ніж займатися своїм майстром в Analytics, мої старші запропонували пройти ці кілька книг, щоб дізнатися більше про машинне навчання та статистику.

А саме:

1. Відкриття статистики за допомогою SPSS / R - Andy Field
2. R Новачок і R для всіх
3. Прогнозована аналітика - сила передбачити, хто буде натискати, купувати, брехати чи гинути
4. Data Science for Business та багато іншого

Якщо ви не можете знайти ці книги в Інтернеті, повідомте мені, що вона поділиться посиланням, я маю їх на диску. Ці книжки допомогли мені зрозуміти основи статистики з прикладами, поясненими мирянином.

Якщо ви шукаєте кілька онлайн-курсів, дайте мені знати, що можна запропонувати вам кілька хороших курсів (більшість з них безкоштовні).

Я не можу сказати з вашого запитання, наскільки ви вмілі в математиці чи де зупиняється навчання. Я припускаю, оскільки ви інженер програмного забезпечення комп’ютера, що ви знайомі з алгеброю, геометрією та, можливо, деяким підрахунком.

Я рекомендую розпочати навчання, читаючи статистику та розуміючи такі поняття, як описи, дослідницький аналіз даних, кореляція, розподіл тощо. Я бачу, що ви віддаєте перевагу книгам, а не відео, тому я зустріну вас на півдорозі та надаю вам декілька книг, які є в Інтернеті, а також книгу чи дві, які ви можете придбати друком.

По-перше, я б порекомендував онлайн-програму онлайн-випускників Пенн-Штату зі статистики . Ви можете вивчити кожен їх курс за допомогою меню зліва. Вибравши курс, прокрутіть вниз на веб-сторінці курсу та натисніть на посилання, що говорить про "записки онлайн-курсу". Конспекти курсів для цих курсів набагато більше, ніж конспекти і читаються як повноцінні книги. Вони дуже повчальні. Крім того, ознайомтесь із навчальною програмою онлайн-програми для бакалавратів Пенні Штату зі статистики , якщо ви знайдете у випускній курсі щось занадто розвинене та хочете "простішого" пояснення.

По-друге, перегляньте Посібник з біологічної статистики Джона Х. Макдональда. Не дозволяйте заголовку вас обдурити; ця книга є чудовим букварем із статистики та аналізу даних, який застосовний до будь-якої галузі.

По-третє, перегляньте Маленький посібник зі статистики Джерара Даллала. Знову ж, не дозволяйте заголовку вас обдурити; ця книга є ще одним дорогоцінним каменем, який провадить вас через деякі важливі основи статистики.

По-четверте, ознайомтеся з книгою « Мислити статистику » Аллена Дауні. Є в Інтернеті безкоштовна версія попереднього видання; останнє видання, яке вам доведеться придбати. Але це варто, особливо якщо ви працюєте в Python. У цій книзі автор навчає вас статистиці та аналізу даних за допомогою Python для аналізу реальних наборів даних (іграшок). Це справді чудова книга, над якою можна працювати.

Нарешті, перегляньте дані Data from Scratch Джоела Груса. Ця книга більше приділяється аналізу даних (замість основ статистики) і приділяє більше уваги машинному навчанню та моделюванню. Він використовує Python (і стек наукових даних Python), щоб провести вас шляхом аналізу та проведення прогнозної аналітики на реальних наборах даних (іграшок). Ще одна чудова книга, яку можна переробити.

Майте на увазі, що, маючи ступінь магістра прикладної статистики, я дам вам дуже просту відповідь: пройдіть курс на ймовірності.

Більшість сучасних рамок програмування ML займають значну більшість математики з наукових даних; вам справді просто не знадобиться це в більшості сценаріїв. Але вам завжди буде потрібно вміння розуміти свої результати, і більшість результатів виражаються у ймовірності. Якби я не був новичкою в науці про дані, я би пройшов (короткий) курс про ймовірності, намагався зрозуміти, що пропорції та відсотки насправді означають, і тоді я працював би над тим, щоб знати рамки (наприклад, Tensorflow) насправді, дуже добре. Якщо ви можете це зробити, ви можете написати кілька дійсно цікавих алгоритмів і не бути нав'язливим щодо математики.