Книги по Machine Learning (ML)

Deep Reinforcement Learning with Python: RLHF for Chatbots and Large Language Models. 2 Ed - Nimish Sanghi (2024)

 Gain a theoretical understanding to the most popular libraries in deep reinforcement learning (deep RL).  This new edition focuses on the latest advances in deep RL using a learn-by-coding approach, allowing readers to assimilate and replicate the latest research in this field. 

 New agent environments ranging from games, and robotics to finance are explained to help you try different ways to apply reinforcement learning. A chapter on multi-agent reinforcement learning …

System Design. Машинное обучение. Подготовка к сложному интервью - Алекс Сюй, Али Аминиан (2024)

Собеседования по проектированию систем машинного обучения — самые сложные. Если нужно подготовиться к такому, книга создана специально для вас.
Также она поможет всем, кто интересуется проектированием систем МО, будь то новички или опытные инженеры.

Что внутри?

• О чем на самом деле спрашивают на собеседовании по System Design в МО и почему (инсайдерская информация!).
• 7 основных шагов для решения любой задачи МО, предлагаемой на собеседовании.
• 10 …
  Русский PDF

Книга Kaggle. Машинное обучение и анализ данных - Конрад Банахевич, Лука Массарон (2024)

 Книга рассказывает о продвинутых приёмах машинного обучения и науки о данных (data science) на основе задач, решаемых на всемирно известной платформе Kaggle. Показано (в том числе на примере увлекательных интервью с Kaggle-гроссмейстерами),  как устроена платформа Kaggle и проводимые на ней соревнования. Изложенный материал позволяет развить необходимые навыки и собрать портфолио по машинному обучению, анализу данных, обработке естественного языка, работе с множествами. Подобран уникальный пул задач, охватывающих различные классификационные и оценочные …

Машинное обучение с использованием Python. Сборник рецептов. Практические решения от предобработки до глубокого обучения. 2 изд. - Кайл Галлатин, Крис Элбон (2024)

 Книга содержит около 200 задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели и многие другие. Рассмотрена работа с языком Python, библиотеками pandas и scikit-learn. Коды примеров можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты решений с использованием: векторов, матриц и массивов; данных из CSV, JSON, SQL, баз данных, облачных хранилищ и других источников; обработки данных, текста, изображений, дат и времени; умень-шения …

Вероятностное машинное обучение: Введение - Кэвин Патрик Мэрфи (2022)

 Данный классический труд содержит обстоятельное современное введение в машинное обучение (включая глубокое обучение), рассматриваемое сквозь объединяющую призму вероятностного моделирования и байесовской теории принятия решений. Включен базовый математический аппарат (в т. ч. элементы линейной алгебры и теории оптимизации), основы обучения с учителем (включая линейную и логистическую регрессию и глубокие нейронные сети), а также более сложные темы (в т. ч. перенос обучения и обучение без учителя). Упражнения в конце глав помогут читателям …

Вероятностное машинное обучение. Дополнительные темы - Кэвин Патрик Мэрфи (2024)

 Книга является первым томом к книге "Вероятностное машинное обучение. Дополнительные темы: предсказание, порождение, обнаружение, действие".

 Дополняя ранее изданную книгу «Вероятностное машинное обучение. Введение», этот классический труд знакомит читателя с деталями самых актуальных теорий и методов машинного обучения, включая глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение излагается в контексте более широкого статистического контекста, а подходы к глубокому обучению унифицированы с подходами к вероятностному моделированию и выводу.

Основные темы:

Random Matrix Methods for Machine Learning - Romain Couillet, Zhenyu Liao (2022)

 This book presents a unified theory of random matrices for applications in machine learning, offering a large-dimensional data vision that exploits concentration and universality phenomena. This enables a precise understanding, and possible improvements, of the core mechanisms at play in real-world machine learning algorithms. The book opens with a thorough introduction to the theoretical basics of random matrices, which serves as a support to a wide scope of applications ranging …

Applied Machine Learning and High-Performance Computing on AWS: Accelerate the development of machine learning applications following architectural best practices - Farooq Sabir, Mani Khanuja, Shreyas Subramanian, Trenton Potgieter (2022)

 Machine learning (ML) and high-performance computing (HPC) on AWS run compute-intensive workloads across industries and emerging applications. Its use cases can be linked to various verticals, such as computational fluid dynamics (CFD), genomics, and autonomous vehicles.

 This book provides end-to-end guidance, starting with HPC concepts for storage and networking. It then progresses to working examples on how to process large datasets using SageMaker Studio and EMR. Next, you'll learn how …

Machine Learning Model Serving Patterns and Best Practices: A definitive guide to deploying, monitoring, and providing accessibility to ML models in production - Md Johirul Islam (2022)

 Serving patterns enable data science and ML teams to bring their models to production. Most ML models are not deployed for consumers, so ML engineers need to know the critical steps for how to serve an ML model.

 This book will cover the whole process, from the basic concepts like stateful and stateless serving to the advantages and challenges of each. Batch, real-time, and continuous model serving techniques will also …

Машинное зрение. Основы и алгоритмы с примерами на Matlab - Питер Корк (2023)

 Книга представляет собой введение в классическое компьютерное зрение. Автор показывает, как можно разложить на части и решить сложные задачи в этой сфере с помощью всего нескольких простых строк кода.

 Machine Vision Toolbox for MATLAB – открытое программное обеспечение, которое позволяет читателю легко применять алгоритмические концепции на практике и работать с нетривиальными задачами. Раскрываются теоретические основы алгоритмов, а многочисленные примеры кода иллюстрируют его использование.

 В числе рассматриваемых тем:

• основы света …
  Русский PDF

Machine Learning for Business Analytics: Concepts, Techniques, and Applications with Analytic Solver Data Mining. 4 Ed - Galit Shmueli, Kuber R. Deokar, Nitin R. Patel, Peter C. Bruce (2023)

 Machine learning―also known as data mining or predictive analytics―is a fundamental part of data science. It is used by organizations in a wide variety of arenas to turn raw data into actionable information.

 Machine Learning for Business Analytics: Concepts, Techniques, and Applications with Analytic Solver^® Data Mining provides a comprehensive introduction and an overview of this methodology. The fourth edition of this best-selling textbook covers both statistical and machine learning algorithms for …

Building Computer Vision Applications Using ANNs. 2 Ed - Shamshad (Sam) Ansari (2023)

 Computer vision is constantly evolving, and this book has been updated to reflect new topics that have emerged in the field since the first edition’s publication. All code used in the book has also been fully updated.

 This second edition features new material covering image manipulation practices, image segmentation, feature extraction, and object identification using real-life scenarios to help reinforce each concept. These topics are essential for building advanced computer …

Антология машинного обучения. Важнейшие исследования в области ИИ за последние 60 лет - Терренс Джозеф Сейновски (2022)

 История машинного обучения, от теоретических исследований 50-х годов до наших дней, в изложении ведущего мирового специалиста по изучению нейросетей и искусственного интеллекта Терренса Сейновски.

 Автор рассказывает обо всех ключевых исследованиях и событиях, повлиявших на развитие этой технологии, начиная с первых конгрессов, посвященных искусственному разуму и заканчивая глубоким обучением и возможностями, которые оно предоставляет разработчикам ИИ.

GoLang for Machine Learning: A Hands-on-Guide to Building Efficient, Smart and Scalable ML Models with Go Programming - Evan Atkins (2024)

 Go, the high-performance language from Google, is rapidly gaining traction in the machine learning world. Its speed, concurrency, and built-in features make it ideal for building efficient, scalable ML models. But where do you start?

 This book is written by a seasoned developer and machine learning expert, providing you with practical, hands-on guidance based on real-world experience. After reading this book, you'll be equipped with the knowledge and …