ฉันเรียนรู้จากการจดจำรูปแบบและการเรียนรู้ของเครื่องจักร Chris Bishop เป็นแหล่งข้อมูลที่ดีใช่หรือไม่


17

มีวิดีโอหรือหนังสือ / บันทึกอื่น ๆ ที่ทุกคนเคยพบเจอตามการจดจำรูปแบบและการเรียนรู้ของ Machine โดย Chris Bishop หรือไม่ ฉันซื้อหนังสือเล่มนี้เพื่อเรียนรู้การเรียนรู้ของเครื่องและฉันประสบปัญหาในการผ่านมัน


4
มองหาหัวข้อที่มีอยู่ติดแท็กด้วยการอ้างอิงแท็ก
Richard Hardy

3
FWIW ฉันคิดว่าคำถามนั้นเป็นไปตามหัวข้อเช่นเดียวกับคำขออ้างอิงอื่น ๆ ฉันคิดว่ามันเฉพาะเจาะจงกว่าส่วนใหญ่เพราะคำถามนี้ถามหาวัสดุตามตำราเรียนโดยเฉพาะไม่ใช่แค่การเรียนรู้ด้วยเครื่องโดยทั่วไป
Sycorax พูดว่า Reinstate Monica

คำตอบ:


15

อธิการเป็นหนังสือที่ยอดเยี่ยม ฉันหวังว่าคำแนะนำเหล่านี้จะช่วยในการศึกษาของคุณ:

  • ผู้เขียนเองได้โพสต์สไลด์บางบทสำหรับบทที่1 , 2 , 3และ8รวมถึงวิธีแก้ปัญหามากมาย
  • กลุ่มการอ่านที่ INRIA ได้โพสต์สไลด์ของตนเองที่ครอบคลุมทุกบท
  • จัวเปโดรเนได้โพสต์บางบันทึกและการทำงานใน R ที่นี่ (เลื่อนลงไปที่ตำแหน่งที่ระบุว่า "การจดจำรูปแบบของโคนและ ML")
  • หลักสูตรการเรียนรู้ของเครื่องเบื้องต้นจำนวนมากใช้บิชอปเป็นตำราเรียน Googling ให้ความแตกต่างเล็กน้อย ดูและดูหัวข้อและโฟกัสที่คุณต้องการ

6

ฉันจะแนะนำทรัพยากรเหล่านี้ให้กับคุณ:

  1. Tom Mitchell: มหาวิทยาลัย Carnegie Mellon
  2. (สำหรับการเรียนรู้ภายใต้การดูแลและติดตามบิชอปเท่านั้น) การจดจำรูปแบบ: สถาบันวิทยาศาสตร์แห่งอินเดีย (โดยส่วนตัวแล้วฉันชอบหลักสูตรนี้เมื่อฉันเข้าร่วมหลักสูตรนี้ แต่หลักสูตรนี้กำหนดให้คุณต้องรู้ทฤษฎีความน่าจะเป็น)

ทั้งสองหลักสูตรเป็นวิชาคณิตศาสตร์สำหรับหลักสูตรที่เบากว่าเกี่ยวกับการเรียนรู้ของเครื่องจะเป็น "การเรียนรู้ของเครื่อง" โดย Udacity


3

https://www.cs.toronto.edu/~rsalakhu/STA4273_2015/

หลักสูตรนี้จะติดตามส่วนหนึ่งของอธิการอย่างใกล้ชิด มีวิดีโอบรรยายด้วย


4
ยินดีต้อนรับสู่เว็บไซต์ ในปัจจุบันนี้เป็นความคิดเห็นมากกว่าคำตอบ คุณสามารถขยายได้โดยอาจให้ข้อมูลสรุปที่ลิงก์หรือเราสามารถแปลงเป็นความคิดเห็นให้คุณ
gung - Reinstate Monica

2

ผมคิดว่ามักจะมองข้ามหนังสือเป็นข้อมูลทฤษฎีการอนุมานและการเรียนรู้ขั้นตอนวิธีการโดยเดวิดแมคเคย์

มันเป็นไปตามกรอบทั่วไปของ PRML เนื่องจากผู้เขียนดูเหมือนจะมีมุมมองที่คล้ายกัน (อย่างน้อยในมุมมองของฉัน) ขึ้นอยู่กับพื้นหลังของคุณไม่ว่าคุณจะสนุกกับแนวคิดเช่นทฤษฎีข้อมูล / การเข้ารหัส / KL-divergence หรือไม่คุณอาจพบว่าหนังสือเล่มนี้เปิดกว้างอย่างยิ่ง


โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.