비숍, 패턴 인식 및 기계 학습. 복사는 없지만 인터넷에서 다운로드 할 수 있습니다. 고전 중의 고전. 패턴 분류와 이 책은 꼭 읽어야 할 두 권의 책이다. 패턴 인식 및 기계 학습' 은 새롭고 (2007) 간단한 용어로 쉽게 해석할 수 있다.
재미있는 책 두 권을 추천합니다.
하나는 우리를 똑똑하게 만드는 간단한 계발법이다.
다른 하나는 제한된 합리성입니다: 적응 도구 상자.
--
& lt CSDN 에서 재현 >
기계 학습 및 인공 지능 학습 자원지도
나는 TopLanguage 토론팀에서 책을 자주 추천하고, 안에 있는 소들에게 관련 자료를 수집하도록 자주 요청한다. 인공지능, 기계 학습, 자연어 처리, 지식 발견 (특히 데이터 마이닝) 및 정보 검색은 CS 분야에서 가장 흥미로운 분야입니다. 여기서는 기계 학습 및 인공지능과 관련된 일부 최신 학습 자원이 하나의 범주로 분류되어 있습니다.
첫째, 위키피디아에는 두 가지 훌륭한 항목이 있습니다. 저도 위키피디아의 강력한 사용자입니다. 한 가지를 배울 때, 나는 그것이 위키피디아로 시작해서 구글을 몇 번 거쳐 한 권 혹은 몇 권의 책에서 끝나는 것을 자주 발견한다.
첫 번째는' 인공지능의 역사' 입니다. 저는 토론팀에서 이렇게 썼습니다.
제가 오늘 본 이 문장, 제가 위키피디아에서 본 것 중에 최고입니다. 인공지능의 역사' 라는 이 문장, AI 의 발전 시간표를 따라 수많은 소인들의 이야기가 끼어들어' 사실은 생각보다 더 놀랍다' 고 할 수 있다. 인공지능은 철학적 사변에서 시작되며 심리학 (특히 인지신경과학) 의 도움이 없는 단계를 거쳤다. 그것은 단지 귀납, 내성성, 수학 도구를 통해 인간의 사고의 외적 표현을 탐구했을 뿐이다. 가장 흥미로운 것은 힐버트 사이먼 (의사 결정 이론의 아버지, 노상 수상자, 학제 간 천재) 이 쓴 자동증명기 한 대가 러셀의 수학 원리 중 20 여 개의 정리를 증명했다. 그 정리 중 하나는 원서보다 더 우아하다. Simon 의 프로그램은 휴리스틱 검색을 사용합니다. 공리계의 증명은 조건부터 결론까지 트리 검색으로 단순화될 수 있기 때문입니다 (그러나 조합의 폭발로 인해 휴리스틱 가지를 사용해야 함). 나중에 사이먼은 GPS (일반 문제 해결사) 를 썼는데, 하노이탑과 같은 형식화된 문제를 해결할 수 있다고 한다. 하지만 결국 사이먼의 연구는 인간의 사고의 아주 작은 측면, 즉 형식 논리, 심지어 더 좁은 측면 (연역추리, 전환추리 (속칭 분석사고) 을 포함하지 않는다. 상식, 시각, 특히 가장 복잡한 언어와 일관성과 같은 많은 신비가 있습니다. 또 다른 흥미로운 점은 AI 문제가 반드시 물리체가 있어야 한다고 생각하는 사람들이 있다는 것이다. 세계 자체의 물리 법칙을 느낄 수 있는 몸은 강력한 정보원이다. 이 정보원을 바탕으로 인류는 이른바 상식적 지식 (이른바 심신 지능 이론) 을 시대와 함께 요약할 수 있다. ), 그렇지 않으면 어떤 형제처럼 손으로 상식적인 지식 기반을 직접 만드는 것은 어리석고 유치해 보인다. 인식 시스템에 따라 자연에서 지식을 얻는 동적 자동 업데이트 시스템으로, 공용 지식 기반을 수동으로 구축하는 것은 기존 전문가 시스템과 다르지 않습니다. 물론, 이것은 제가 개인적으로 흥미롭거나 신기하다고 생각하는 것의 일부분에 불과합니다. 사람마다 재미있는 것을 보는 것은 다릅니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 예술명언) 예를 들어, 신경망 이론의 흥망을 상당히 상세하게 소개했다. 그래서 나는 네가 다시 자신을 볼 것을 강력히 건의하고, 다른 곳의 링크를 잊지 마라.
그건 그렇고, 쑤 유 문장 번역 시간을 찾을 것입니다, 이 문장 매우 깁니다. E 를 읽을 수 없는 사람은 통역을 기다리자:)
두 번째는 "인공지능" 입니다. 물론 기계 학습 등도 있습니다. 이 항목들에서 우리는 매우 유용하고 믿을 수 있는 심층 참고 자료를 많이 찾을 수 있다.
그런 다음 몇 권의 책이 있습니다.
책:
1. 프로그래밍 집단지능, 최근 몇 년간 좋은 입문서, 흥미를 키우는 것이 가장 중요한 부분이다. 언뜻 보면 위대한 책 한 권을 겁먹게 하기 쉽다: P
2. 피터노빅의' 인공지능, 현대방법 2' (논란의 여지가 없는 분야 고전).
3. 통계 학습의 요소는 수학적이며 참고로 사용할 수 있습니다.
4. "통계 자연어 처리의 기초" 는 자연어 처리 분야에서 공인된 고전이다.
5. 중국 과학자들이 쓴 책' 데이터 마이닝, 개념 및 기술' 은 매우 간단하다.
관리 기가비트, 정보 검색을위한 좋은 책.
7. 정보론: 영향과 학습 알고리즘, 참고서 한 권, 비교적 심층적이다.
관련 수학 기초 (참고서, 통독에 적합하지 않음):
1. 선형 대수학: 이 참고서는 열거되지 않았지만 많이 있습니다.
행렬 수학: 행렬 분석, 로저 혼. 매트릭스 분석 분야의 논란의 여지가 없는 고전.
확률론과 통계: 확률론과 그 응용. 이것도 훌륭한 책이지만 수학이 너무 강해서 기계 학습에 적합하지 않다. 그래서 두레는 토론 그룹에서 모든 통계를 추천했고,
기계 학습 방향에서도 통계학이 중요하다. CMU 의 매우 간결한 교재인 All of statistics 를 추천합니다. 개념, 컴퓨팅 단순화, 개념 단순화 및 기계 학습과 무관한 통계 내용을 중점적으로 다루고 있습니다. 좋은 빠른 입문 교재라고 할 수 있습니다.
4. 최적화 방법: "비선형 계획 참고서", 제 2 판). 볼록 최적화는 볼록 최적화에 대한 참고서입니다. 또한 위키피디아에는 최적화 방법 항목을 참조할 수 있는 책이 몇 권 있다. 기계 학습 방법의 기술적 세부 사항을 깊이 이해하려면 SVM 과 같은 최적화 방법을 깔아놓아야 하는 경우가 많습니다.
왕녕은 몇 권의 책을 추천했다.
기계 학습, 톰 린코웨이, 1997.
헌 책, 핍박하는 사람. 지금은 내용이 너무 깊지 않은 것 같아요. 많은 챕터가 좀 멀어요. 하지만 초보자에게 잘 어울려요. (물론' 새로운' 에서 알고리즘과 확률까지 다 알 수는 없어요.) 예를 들어, 의사 결정 트리 부분은 매우 흥미 롭습니다. 최근 몇 년 동안 큰 진전이 없었기 때문에 구식이 아닙니다. 또한 이 책은 1997 년 이전 수십 년 동안의 기계 학습 작업에 대한 좋은 요약이며 참고 문헌 목록은 매우 가치가 있다. 국내에는 번역과 복사가 있다. 절판인지 아닌지 모르겠다.
현대 정보 검색', 리카투 바에사-예츠 등. 1999
헌 책, 핍박하는 사람. IR 에 관한 첫 번째 완전한 책처럼 보입니다. 아쉽게도 IR 은 요 몇 년 동안 진보가 빨라서 이 책은 좀 시대에 뒤떨어졌다. 뒤집어서 참고하시면 됩니다. 게다가, 리카르도는 현재 유럽과 라틴 아메리카 야후 연구의 책임자이다.
패턴 분류 (제 2 판), 리처드 두다, 피터 하트, 데이비드 G 스토크
0 1 세 정도 되는 큰 남자이기도 합니다. 복사본이 있고 색깔이 있습니다. 아직 다 읽지는 못했지만 ML 과 IR 을 깊이 배우려면 처음 세 장 (소개, 베이시안 학습, 선형 분류기) 이 필요합니다.
내가 한 번만 본 적이 있는 고전도 있고, 평가할 자격이 없다. 또 두 권의 팜플렛이 있는데, 문집이지만, 색인을 압축하는 방법과 같은 많은 최전방과 세부 사항을 이야기했다. 아쉽게도 나는 내 이름을 잊어버렸고, 나는 그것을 상자의 맨 아래에 놓았다. 다음에 이사하기 전에 하늘을 보기 어려울 것 같다.
(허허, 나는 책 한 권을 떠올린다: 웹 발굴-하이퍼텍스트 데이터에서 지식을 발견한다.)
명작을 한 권 말하다: "데이터 마이닝: 실용기계 학습 도구와 기술". Weka 의 저자가 쓴 것입니다. 아쉽게도 내용은 보통이다. 이론 부분이 너무 얇아서 실천 부분도 실제와 매우 다르다. 많은 DM 입문서가 있으니 이 책을 읽지 마세요. 만약 당신이 Weka 에 대해 알고 싶다면, 단지 문서를 읽기만 하면 된다. 제 2 판은 이미 출판되었고, 본 적도 없고, 모르는 것도 없다.
정보 검색과 관련하여 dure 는 다시 한 번 다음과 같이 제안했습니다.
정보 검색 서적은 현재 스탠포드의' 정보 검색 도론' 을 볼 것을 건의하고 있으며, 방금 정식으로 출판되었으며, 내용은 당연히 최신이다. 또한, 정보 검색 제 1 소 크로프트 대사도 교재를 쓰고 있으니 곧 출판될 것이다. 이것은 매우 실용적인 책이라고 한다.
정보 검색에 관심이 있는 학생들은 베이징 대학의 여름 학기 학급 과정을 강력하게 추천한다. 여기 전체 슬라이드와 독서 자료가 있습니다:/~ course/cs410/schedule.html.
Maximzhao 는 기계 학습에 관한 책을 추천했습니다.
책 한 권을 더하다: 비숍, 패턴 인식, 기계 학습. 복사는 아니지만 인터넷에서 다운로드 할 수 있습니다. 고전 중의 고전. 패턴 분류와 이 책은 꼭 읽어야 할 두 권의 책이다. 패턴 인식 및 기계 학습' 은 새롭고 (2007) 간단한 용어로 쉽게 해석할 수 있다.
마지막으로 비교적 재미있는 인공지능 방면의 책 두 권을 추천합니다 (특히 의사결정과 판단).
하나는 우리를 똑똑하게 만드는 간단한 계발법이다.
다른 하나는 제한된 합리성입니다: 적응 도구 상자.
컴퓨터 과학이 채택한 통계 기계 학습 방법과는 달리, 이 두 권의 책은 인류가 실제로 채택한 인지 방식에 더 초점을 맞추고 있다. 다음은 토론 그룹에서 쓴 소개입니다.
이 두 권의 책은 독일 ABC 연구팀 (컴퓨터 과학자, 인지과학자, 신경과학자, 경제학자, 수학자, 통계학자로 구성된 학제 간 연구팀) 이 공동으로 쓴 것으로, 이 분야에 대한 광범위한 관심을 불러일으켰다 그 핵심 사상은 우리의 뇌가 대량의 통계 계산과 fancy 의 수학적 방법을 사용하여 세상을 해석하고 예측할 수 없다는 것이다. 그러나 간단하고 견고한 계발을 통해 불확실한 세계를 마주한다. (예: 첫 번째 책에 언급된 두 개의 나중에 유명한 계발: 인지적 계발과 그 정수를 취한다.) 물론 이 두 권의 책은 통계학 방법을 배제하지 않는다. 데이터의 양이 많을 때 통계적 우세는 나오고, 데이터의 양이 적을 때는 통계 방법이 매우 나빠진다. (조지 버나드 쇼, 데이터명언) 인간의 간단한 계발적 규칙은 생태 환경의 규칙성을 최대한 활용하며, 모두 낮은 계산 복잡성과 노봉성을 실현하였다.
두 번째 책에 대한 소개:
힐버트 사이먼은 누구입니까?
제한된 합리성이란 무엇입니까?
이 책은 무엇에 관한 것입니까?
나는 항상 인간의 결정과 판단이 매우 매력적인 문제라고 생각했다. 이 책은 단순히 더 포괄적이고 이론적 버전의 결정과 판단으로 볼 수 있다. 이 기사에서는 이론적으로 인간의 의사 결정 판단 과정에서 다양한 휴리스틱 알고리즘과 장단점을 체계적으로 소개합니다 (정보가 부족한 경우 빠르고 강력한 최적화 방법의 근사치인 이유, 어떤 경우에는 좋지 않은 결과를 초래할 수 있는 이유 등). (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 과학명언) 예를 들어, 기계 학습을 배운 사람들은 소박한 베네치아 방법이 베이시안 네트워크보다 나쁘지 않고 속도가 더 빠르다는 것을 알고 있습니다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 기계명언) 예를 들어 다항식 보간의 차원이 높을수록 맞추기가 더 쉬워지며, 저차 다항식을 기반으로 하는 세그먼트 스플라인 보간은 매우 강력한 구성표로 입증되었습니다.
여기에 책에 언급 된 예가 있습니다. 매우 흥미 롭습니다. 두 팀이 법원에 던져진 야구를 잡을 수있는 로봇을 설계하도록 파견되었습니다. 첫 번째 그룹은 상세한 수학적 분석을 통해 공기 저항 등의 이유로 엄격한 포물선이 아니기 때문에 공의 낙하점을 계산하여 공을 제대로 잡을 수 있도록 상당히 복잡한 포물선형 근사화 모델을 만들었습니다. 분명히, 이 방안은 많은 돈을 들여야 하고, 실제 조작에도 시간이 필요하다. 바이오신경망의 바이오전류 전송은 초당 100 미터 이내로 알려져 있기 때문에 계산 복잡성은 생물에게 귀중한 자원이기 때문에 이 방안은 가능하지만 충분하지 않다. 두 번째 그룹은 실제 선수들을 인터뷰하고 그들이 어떻게 공을 잡는 느낌을 요약해 주는지 들었다. 그리고 그들은 로봇이 공을 던지기 초기에 아무것도 하지 않고, 가까이 올 때까지 기다렸다가, 눈을 계속 공을 쳐다보며, 로봇의 운행 경로가 반드시 공의 궤적과 교차할 수 있도록 하는 로봇을 만들었다. 전체 과정에서 이 로봇은 매우 대략적인 궤적 추정만 한다. 공을 잡을 때 눈이 계속 공을 쳐다보고 시선 각도에 따라 달리기 방향을 조정하는 거 아닌가요? 사실 인간은 그렇게 했습니다. 이것이 바로 계발적인 힘이다.
이 책은 심리학과 코프에 편향된' 결정과 판단' 에 비해 이론성이 강하고 고전적인 참고가 많으며 인공지능, 기계학습과 교차한다. 수학 내용도 많이 들어있어요. 이 책은 십여 장으로 구성되어 있으며, 각 장은 서로 다른 저자가 쓴 것이다. 논문과 비슷하고, 엄밀하고 쓸데없는 말을 하지 않는 것은 마치 문제 해결 심리학과 같다. 극객의 독서에 더 적합하다.
또한 이론의 기술적 세부 사항을 참을 수 없는 사람들은' 결정과 판단' 과 같은 책 (그리고' 정상적인 바보가 되지 마라' 와 같은 바보 코프서) 을 보는 것이 자신의 인생 결정에 큰 도움이 될 것을 제안한다. 인간의 결정과 판단에 많은 계발적 방법이 사용되었다. 아쉽게도 많은 사람들이 수십만 년 전의 사회환경에 세워져 현대사회에 적합하지 않다. 따라서 이러한 사고의 짧은 판과 맹점을 이해하는 것은 좋은 의사결정자가 되는 데 큰 도움이 되며, 그 자체로도 매우 흥미로운 영역이다.
(완료)