Мы попросили экспертов рассказать, какие книги должны быть у начинающих разработчиков искусственного интеллекта, представляем вам личные подборки ведущих специалистов.
Роман Васильев, Руководитель SAS Data Laboratory (компания SAS Россия/СНГ).
Прежде всего я бы посоветовал читать блоги и статьи на профильных ресурсах – искусственный интеллект и другие передовые технологии активно развиваются, и пока материалы доходят до печати, особенно если речь идет не о журнальных публикациях, а о книгах, сведения зачастую успевают устареть. Поэтому знания именно об ИИ черпаются в основном из сетевых публикаций, а также онлайн- и офлайн-курсов. Будем считать их пунктом номер 1.
Книга написана очень доступным языком, а в самом тексте есть большое количество примеров
Из книг по введению в нейронные сети могу порекомендовать труд Тарика Рашида «Создаем нейронную сеть». Она написана очень доступным языком, а в самом тексте есть большое количество примеров (на Python). При этом примеры очень наглядные, а варианты решения задач сопровождаются подробными объяснениями.
Еще одна стоящая книга по этой же теме – «Нейронные сети: полный курс» Саймона Хайкина. На мой взгляд, это максимально объемный и развернутый труд в области нейронных сетей, который также включает в себя задания по пройденному материалу. Однако минусом может стать малое количество практических примеров – по большей части это теоретическая работа.
Полезной с точки зрения бизнес-подготовки будет книга «Business Forecasting: Practical Problems and Solutions», ее авторы – Michael Gilliland, Len Tashman, Udo Sglavo. Привожу в оригинале, потому что, насколько мне известно, эта работа на русском языке не выходила. Это обширный сборник идей по улучшению различных аспектов процесса бизнес-прогнозирования. Книга заставляет по-новому взглянуть на оценку ценности моделей прогнозирования, интерпретацию метрик качества и оценку предсказуемости.
И, наконец, пятым пунктом назову книгу, которую сам только собираюсь прочитать – «Роман с Data Science. Как монетизировать большие данные» Романа Зыкова.
Авторы книги раскрывают довольно простые и емкие по содержанию подходы для разработки ИИ на .NET.
Яков Кротов – менеджер проектов компании ICL Services.
Хотел бы поделиться книгами, которые будут максимально полезны для начинающих разработчиков ИИ. Список включает в себя не только базовые материалы для разработчиков ИИ, но и литературу, нацеленную на формирование правильного кругозора в сфере передовых информационных технологий.
1) Искусственный интеллект на практике. 50 кейсов успешных компаний | Марр Бернард, Уорд Мэтт.
Книга хороша тем, что дает описание реальных кейсов не менее реальных компаний. Важным аспектом, на который книга делает упор, является практическая применимость результатов разработки. Кроме того, для начинающих разработчиков эта книга будет полезна тем, что откроет окно возможностей по части профессионального развития в области разработки ИИ.
2) Искусственный интеллект для .NET. Речь, язык и поиск | Патак Нишит, Бхандари Анураг.
Авторы книги раскрывают довольно простые и емкие по содержанию подходы для разработки ИИ на .NET. Эта книга хороша для новичков, в том числе и потому, что дает стартовые знания для разработки на относительно несложной технологической платформе.
3) Теоретический минимум по Computer Science. Все, что нужно программисту и разработчику | Фило Владстон Феррейра.
Данная книга дает читателю входные данные для формирования мышления программиста (вхождение «в поток», непрерывная разработка и т.д.). Также можно отметить живой характер предлагаемого материала: автор смог объяснить сложные технические термины простым для понимания языком.
4) Глубокое обучение с точки зрения практика | Джош Паттерсон, Адам Гибсон.
Название книги говорит само за себя. Это один из лучших сборников передового опыта в машинном обучении. От разбора тривиальных примеров до многомерных систем с раскладыванием на реальное применение. Книга будет особенно полезна разработчикам, вступившим в переходный период при освоении новых технологий и подходов к разработке ИИ.
5) Искусственный интеллект: современный подход | Стюарт Рассел, Питер Норвиг.
Пожалуй, среди литературы методического содержания данная книга является лучшей. Большое число технологических аспектов разработки, уклон в детали и архитектуру помогают читателю сформировать комплексное видение в разработке ИИ.
Стоит отметить, что данный список не является исчерпывающим и не закрывает все области современного знания по разработке ИИ. Однако для того, чтобы совершить первые шаги и перейти на уверенный бег, данная подборка будет полезна для начинающих разработчиков.
Эмиль Богомолов, Иженер-исследователь в Сколтехе.
Для разработчиков машинного обучения рекомендую книги:
- Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow | Рашка Себастьян.
С этой книгой я познакомился, когда только начинал работать с машинным обучением, она тогда была только переведена на русский язык. В ней описываются многие классические подходы машинного обучения и дается практика. В новой версии я вижу появились и deep learning, по этой теме я могу посоветовать другие книги.
- Mastering Python Design Patterns: A guide to creating smart, efficient, and reusable software
Поскольку основной язык машинного обучения Python я рекомендую прочитать книгу по паттернам проектирования, написанную по этому языку. Но не будет плохо, если вы найдёте что-то на русском по паттернам проектирования, которая даёт примеры на Java. Основное, что нужно извлечь, так это то, что разработчику программных комплексов для обучения моделей и для поставления их в продакшн обязательно иметь представления о паттернах проектирования.
Золотая обложка этой книги блестит у многих на столах
- Deep Learning with PyTorch, Eli Stevens, Luca Antiga, and Thomas Viehmann
Книга по нейронным сетям на PyTorch (одном из самых популярных инструментов) от создателей этого фреймворка. В ней покрываются в подробностях, как работают современные нейронные сети и теория, которая стоит за этим. Куда движется разработка современных фреймворков, на примере PyTorch.
- Pattern Recognition and Machine Learning, Bishop (может быть есть на русском)
Золотая обложка этой книги блестит у многих на столах, кто изучал машинное обучение. Пару лет назад это называли главной книгой, которую стоит прочитать, чтобы ознакомиться с глубокой теоретической составляющей классического машинного обучения и распознавания зависимостей в данных
- Storytelling with Data: A Data Visualization Guide for Business Professionals
Хороший датасаентист, который хочет расти должен уметь не только показывать высокие метрики, но и предоставлять бизнесу данные в виде понятно читаемых графиков и визуализаций. В этой книге рассказывается, в каких случаях стоит прибегать к тем или иным визуализациям, рассказываются разные лайфхаки о внимании человека к деталям. Для кого-то может быть минусом, но в ней практики, как это сделать на Python. Есть GitHub репозиторий, который реализует визуализации.
- Microsoft продолжает поддерживать российских корпоративных клиентов, несмотря на обещания об уходе с рынка - 24/04/2024 14:48
- Робот-пес, стреляющий огнем, теперь доступен за $10 000 - 24/04/2024 11:10
- В России разработали хлеб из мух - 23/04/2024 12:11
