Los mejores libros de texto de aprendizaje automático en el top 10top 10
No es sorprendente que tanta gente esté considerando ingresar al fascinante mundo de los algoritmos informáticos que mejoran automáticamente a través de la experiencia. Si estás entre ellos, o si solo quieres mirar más allá de la exageración y comprender qué aprendizaje automático es realmente a aproximadamente nuestra selección de los 20 mejores libros de texto de aprendizaje automático puede ayudarte a alcanzar tus objetivos.
Inteligencia artificial: un enfoque moderno (4ª edición) de Peter Norvig y Stuart J. Russell
Disponible: en Amazon
Publicado: 2020
Recuento de páginas: 1136
Decidir con qué libro de texto de aprendizaje automático para comenzar no fue difícil porque la inteligencia artificial: las universidades de todo el mundo recomiendan un enfoque moderno: universidades de todo el mundo. Ahora en sus 4th Edición, el libro hace un trabajo fantástico al introducir el campo de la inteligencia artificial (el aprendizaje automático es un subconjunto de IA) para principiantes, y también cubre una amplia gama de temas de investigación relacionados, proporcionando referencias útiles para un estudio posterior. Según sus autores, este gran libro de texto debería tardar alrededor de dos semestres en cubrir, así que no espere que sea una lectura rápida.
Reconocimiento de patrones y aprendizaje automático por Christopher M. obispo
Disponible: en Amazon
Publicado: 2011
Recuento de páginas: 738
Puedes pensar en el reconocimiento de patrones y el aprendizaje automático de Christopher M. Bishop como un curso introductorio gentil (al menos en lo que respecta a los libros de texto de aprendizaje automático) a la teoría detrás del aprendizaje automático. El libro de texto incluye más de 400 ejercicios calificados de acuerdo con su dificultad, y hay mucho más material adicional disponible en su sitio web. Simplemente no espere saber cómo aplicar la teoría que enseña el libro de texto cuando llegue a su última página, hay otros libros para eso.
Aprendizaje profundo de Goodfellow et. Alabama
Disponible: en Amazon
Publicado: 2016
Recuento de páginas: 800
Si le pidiera a Elon Musk que le recomendara un libro sobre el aprendizaje automático, este es el que recomendaría. Una vez dice que el aprendizaje profundo es el único libro completo sobre este tema. El libro cubre todo, desde el origen matemático y conceptual hasta las técnicas de aprendizaje profundo líderes en la industria y las últimas perspectivas de investigación. Le recomendamos que obtenga la versión electrónica porque el aprendizaje profundo es infame por su mala calidad de impresión.
Los elementos del aprendizaje estadístico: minería de datos, inferencia y predicción, segunda edición de Hastie, Tibshirani y Friedman
Disponible: en Amazon
Publicado: 2016
Recuento de páginas: 767
No dejes que el título de este libro de texto te intimida. Si realmente desea comprender el aprendizaje automático y aplicarlo para resolver problemas difíciles, debe acostumbrarse a leer libros de texto que no parecen muy accesibles. Aunque el libro de texto adopta un enfoque estadístico decisivo, no necesita ser un estadístico para leerlo porque enfatiza los conceptos en lugar de las matemáticas.
Aprendizaje automático práctico con Scikit-Learn, Keras y TensorFlow: conceptos, herramientas y técnicas para construir sistemas inteligentes (2Dakota del Norte Edición) de Aurélien Géron
Disponible: en Amazon
Publicado: 2019
Recuento de páginas: 856
Scikit-Learn, Keras y TensorFlow son tres bibliotecas populares de aprendizaje automático, y este libro de texto se centra en cómo se pueden usar para crear programas de aprendizaje automático que resuelvan problemas reales. Gracias a la naturaleza para principiantes de estas bibliotecas, se requiere un conocimiento teórico de fondo mínimo para leer este libro de texto, lo que lo hace excelente para aquellos que desean obtener una comprensión intuitiva del aprendizaje automático construyendo algo útil.
Comprensión del aprendizaje automático: de la teoría a los algoritmos de Shai Shalev-Shwartz y Shai Ben-David
Disponible: en Amazon
Publicado: 2014
Recuento de páginas: 410
Muchos libros de texto sobre el aprendizaje automático son difíciles de pasar porque sus autores no pueden ponerse en el lugar de alguien nuevo en el campo, pero no este. Comprender el aprendizaje automático comienza con una clara introducción al aprendizaje automático estadístico. Luego conecta los conceptos teóricos con algoritmos prácticos sin ser ni demasiado vano ni demasiado vagos. Independientemente de si desea actualizar su conocimiento o embarcarse en un viaje de por vida en la industria, no dude en obtener este libro de texto.
Aprendizaje automático: una perspectiva probabilística de Kevin P. Murphy
Disponible: en Amazon
Publicado: 2012
Recuento de páginas: 1104
Como sugiere el título de este libro, esta introducción al aprendizaje automático se basa en modelos probabilísticos para detectar patrones en los datos y usarlos para hacer predicciones sobre datos futuros. El libro está escrito en un estilo agradable e informal y hace un gran uso de ilustraciones y ejemplos prácticos. Los modelos que describe se han implementado utilizando el kit de herramientas de modelado probabilístico, que es un paquete de software MATLAB que puede descargar desde Internet. Desafortunadamente, el kit de herramientas ya no es compatible porque la nueva versión de este libro usará Python en su lugar.
Teoría de la información, inferencia y algoritmos de aprendizaje por David J. C. Mackay
Disponible: en Amazon
Publicado: 2003
Recuento de páginas: 640
Sí, este libro de texto se lanzó hace casi 20 años, pero eso no lo hace menos relevante hoy. Después de todo, el aprendizaje automático no es tan joven como la exageración reciente podría sugerirlo. Lo que hace que la teoría de la información, la inferencia y los algoritmos de aprendizaje de David J. C. Mackay So Timeless es su enfoque multidisciplinario que proporciona amplias conexiones entre diferentes campos. Por sí solo, no es muy útil porque no tiene suficientes ejemplos prácticos, pero funciona muy bien como un libro de texto introductorio.
Una introducción al aprendizaje estadístico: con aplicaciones en R por Gareth M. James, Trevor Hastie, Daniela Witten y Robert Tibshirani
Disponible: en Amazon
Publicado: 2013
Recuento de páginas: 440
Puede pensar en una introducción al aprendizaje estadístico como una alternativa más accesible a los elementos del aprendizaje estadístico, que requiere un conocimiento avanzado de las estadísticas matemáticas. Para terminar este libro de texto, debe estar perfectamente bien con una licenciatura en matemáticas o estadísticas. En sus 440 páginas, los autores proporcionan una visión general del campo del aprendizaje estadístico y presentan importantes técnicas de modelado y predicción, completos con sus aplicaciones.
El libro de aprendizaje automático de cien páginas de Andriy Burkov
Disponible: en Amazon
Publicado: 2019
Recuento de páginas: 160
Mientras que la mayoría de los libros de texto enumerados en este artículo están más cerca de mil páginas, este delgado libro, que comenzó como un desafío en LinkedIn, explica mucho en solo cien páginas más o menos. Una razón por la cual el libro de aprendizaje automático de cien páginas se convirtió en un éxito instantáneo es su lenguaje sencillo, que es una buena desviación de los documentos académicos rígidos. Recomendamos este libro a los ingenieros de software que creen que podrían utilizar herramientas de aprendizaje automático disponibles, pero no saben por dónde empezar. Dicho esto, el libro puede ser disfrutado por cualquier persona interesada en el aprendizaje automático porque enfatiza los conceptos sobre el código.
Introducción al aprendizaje automático con Python: una guía para científicos de datos de Andreas C. Müller y Sarah Guido
Disponible: en Amazon
Publicado: 2016
Recuento de páginas: 400
Si tiene fluidez en Python y desea comenzar con el aprendizaje automático mediante la creación de soluciones prácticas para problemas reales, este es el libro adecuado para usted. No, no aprenderá demasiada teoría, pero todos los conceptos fundamentales están bien cubiertos, y hay muchos otros libros que cubren el resto. Para aprovechar al máximo la introducción al aprendizaje automático con Python, debe tener al menos algo de familiaridad con las bibliotecas Numpy y Matplotlib.
Modelado predictivo aplicado por Max Kuhn y Kjell Johnson
Disponible: en Amazon
Publicado: 1st Ed. 2013, Corr. 2da impresión 2018
Recuento de páginas: 613
Este libro de texto proporciona una introducción a los modelos predictivos, que utilizan datos y estadísticas para predecir los resultados con los modelos de datos. Comienza con el procesamiento de datos y continúa con la regresión moderna y las técnicas de clasificación, siempre enfatizando problemas de datos reales. Puede implementar fácilmente todos los modelos explicados en el libro gracias al código R proporcionado, que muestra exactamente lo que debe hacer para terminar con una solución de trabajo.
Aprendizaje profundo con Python de François Chollet
Disponible: en Amazon
Publicado: 2017
Recuento de páginas: 384
Es posible que ya esté familiarizado con el autor de este libro de texto de aprendizaje automático porque es responsable de una biblioteca de red neuronal de código abierto llamada Keras, posiblemente la biblioteca de aprendizaje automático más popular escrita en Python. Dada esta información y el título del libro de texto, no debería sorprenderle saber que es el mejor curso de Keras Crash disponible. Las técnicas prácticas se priorizan por encima de la teoría, pero eso solo significa que puede resolver tareas sofisticadas de aprendizaje automático en solo unas pocas semanas.
Aprendizaje automático de Tom M. Mitchell
Disponible: en Amazon
Publicado: 1997
Recuento de páginas: 414
Publicado en 1997, este libro presenta todo tipo de algoritmos de aprendizaje automático en un idioma que todos los graduados de CS deberían poder entender. Si usted es el tipo de persona que necesita tener una comprensión amplia de un determinado tema antes de sentirse cómodo sumergirse profundamente, le encantará cómo se presenta la información en este libro. Simplemente no esperes el aprendizaje automático de Tom M. Mitchell será una guía práctica porque eso no es lo que se supone que es este libro.
Construir aplicaciones alimentadas con aprendizaje automático: pasar de una idea a otro por Emmanuel Ameisen
Disponible: en Amazon
Publicado: 2020
Recuento de páginas: 260
Una cosa es comprender los modelos de aprendizaje automático, y es algo completamente diferente saber cómo llevarlos a la producción. Este libro relativamente delgado de Emmanuel Ameisen explica exactamente eso, guiándote a través de cada paso del proceso, desde la idea inicial hasta el producto desplegado. Se puede recomendar aplicaciones alimentadas con aprendizaje automático a los científicos de datos e ingenieros de ML que han dominado la teoría pero que aún no lo han aplicado en la industria.
Aprendizaje de refuerzo: una introducción (2ª edición) de Richard S. Sutton, Andrew G. Barto
Disponible: en Amazon
Publicado: 2018
Recuento de páginas: 552
El aprendizaje de refuerzo es un área de aprendizaje automático preocupado por la capacitación de los modelos de aprendizaje automático para tomar medidas en un entorno complejo e incierto para maximizar la cantidad total de recompensa recibida. Si esto le parece interesante, no dude en comprar este libro porque se considera ampliamente la Biblia del tema. La segunda edición incluye muchos cambios estructurales y de contenido importantes, así que consígalo si es posible.
Aprender de los datos de Yaser S. Abu-Mostafa, Malik Magdon-islail, Hsuan-Tien Lin.
Disponible: en Amazon
Publicado: 2012
Recuento de páginas: 213
Aprender de los datos es una introducción corta pero relativamente completa al aprendizaje automático y sus aplicaciones prácticas en finanzas, comercio, ciencia e ingeniería. El libro se basa en más de una década de material de enseñanza, que los autores destilaron a una selección de temas centrales que todos los interesados en el tema deben entender. Es ideal para principiantes que no tienen mucho tiempo para estudiar la teoría del aprendizaje automático, especialmente si se leen junto con la serie de conferencias de Yaser en YouTube.
Redes neuronales y aprendizaje profundo: un libro de texto de Charu C. Aggarwal
Disponible: en Amazon
Publicado: 2018
Recuento de páginas: 497
Las redes neuronales son una forma de hacer aprendizaje automático, y este libro de texto puede ayudarlo a comprender la teoría detrás de ellas. Al igual que el aprendizaje automático en general, este libro matemáticamente intenso, así que no espere llegar demasiado lejos si sus matemáticas están oxidadas. Dicho esto, el autor hace un gran trabajo al explicar las matemáticas detrás de todos los ejemplos proporcionados y caminar al lector a través de varios escenarios intrincados.
Aprendizaje automático para principiantes absolutos: una introducción simple en inglés (2Dakota del Norte Edición) por Oliver Theobald
Disponible: en Amazon
Publicado: 2017
Recuento de páginas: 157
Si tiene interés en el aprendizaje automático, pero no necesariamente se siente cómodo leyendo largos libros de texto sobre el tema, puede preferir este libro amigable para principiantes, que proporciona una introducción práctica y de alto nivel al lenguaje de máquina utilizando inglés simple. Al final de este libro, sabrá cómo predecir los valores de la casa utilizando su primer modelo de aprendizaje automático creado en Python.
Aprendizaje profundo generativo: máquinas de enseñanza para pintar, escribir, componer y jugar de David Foster
Disponible: en Amazon
Publicado: 2019
Recuento de páginas: 330
Se han escrito mucho y se ha dicho sobre las redes adversas generativas (GAN), uno de los temas más populares en el campo del aprendizaje automático hoy. Si desea comprender cómo ellos y otros modelos generativos de aprendizaje profundo funcionan bajo el capó, este libro de David Foster es un gran punto de partida, siempre que tenga experiencia en la codificación en Python.