2021 年のおすすめ書籍リスト 15 冊の高得点 AI 本、すべて無料で読める
現在、人工知能に関する書籍は数多く出回っていますが、人工知能の愛好家としてはどのように書籍リストを選べばよいのでしょうか。新年の初めに、KDnuggets は誰もが必要に応じて使用できる AI 書籍のリストを作成しました。
機械学習、ビッグデータ、分析に焦点を当てたトップ Web サイトである KDnuggets は、機械学習、NLP、データ サイエンス、その他の分野をカバーする 15 冊の書籍リストを最近作成しました。これらの書籍の著者も人工知能の分野の出身です。 . この分野のトップの学者や研究者。
あなたが人工知能を始めたばかりの初心者であっても、すでに関連テクノロジーを習得している人であっても、このリストの書籍にはあなたにとって何かが含まれています。すべての本はオンラインで無料で読むことができるので、とても便利です。
1. データサイエンスと機械学習: 数学的および統計的手法
著者: DP クローゼ、ZI ボテフ、T. タイムレ、R. ヴァイスマン
はじめに: とても実践的な本です。Python を使用したデータ サイエンスの実行と機械学習モデルの実装に重点を置きます。関連する理論を十分に説明し、必要な数学的演算を必要に応じて紹介することで、記事全体のテンポを良くしています。
閲覧アドレス:
2. テキスト マイニング: R 言語に基づく優れたツール
著者: ジュリア・シルジ、デヴィッド・ロビンソン
はじめに: テキスト マイニングは、テキスト データから貴重な情報や知識を抽出するコンピューター処理技術であり、自然言語処理でも注目されています。
この本は主にテキストマイニングとクリーンなデータの分析を紹介しており、すべてのコードは R 言語に基づいて書かれており、R 言語の初心者にとって非常に適しています。
この本は 9 章に分かれており、R をベースにした優れたツールをテキスト分析に使用する方法を紹介しています。クリーンなデータは、より効率的で分析しやすいシンプルかつ斬新な構造を持っています。
閲覧アドレス:
https://github.com/dgrtwo/tidy-text-mining
3. 因果推論: もしも
著者: ミゲル・エルナン、ジェイミー・ロビンス
導入：ハーバード大学のミゲル・ヘルナン教授とジェイミー・ロビンス教授が編集したこの本は、因果推論の概念と方法を体系的に説明しています。この本は Zhihu やその他の主要なプラットフォームで非常に人気があり、多くの計量経済学者にとって待望の本です。
因果推論は複雑で包括的な主題ですが、本書の著者らは、最も重要と考える基本的な側面を約 300 ページの本文に凝縮するために最善を尽くしました。独自の概念基盤を構築することに興味がある場合は、この本が最初の選択肢になるかもしれません。
閲覧アドレス:
4. Julia を使用した統計: データ サイエンスの基礎、機械学習、人工知能
著者: ヨニ・ナザラシー、ヘイデン・クロック
はじめに: この本では、第 2 章で統計の概念を紹介します。この章以降、これらの概念は相互依存しています。そして、統計的推論、信頼区間、仮説検定、線形回帰、機械学習などのより高度なトピックにつながります。
推薦者は、これは彼がずっと望んでいた方法で Julia でデータ サイエンスを効果的に学ぶために待ち望んでいたリソースであり、あなたの好みにも合うことを願っていると述べました。
閲覧アドレス:
5. データサイエンスの基礎
著者: アヴリム ブラム、ジョン ホップクロフト、ラビンドラン カナン
要約: 最近の多くの書籍では、データ サイエンスは、習得すればうまくいけば仕事をしてくれる一連のプログラミング ツールに還元されています。
一方で、他の本では、コードとは別に基本的な概念や理論をあまり重視していないようです。本書はこの傾向とは逆の好例であり、間違いなく、この本は、データ サイエンスのキャリアを追求するために強固な基礎と必要な理論的知識を提供します。
閲覧アドレス:
6. 機械学習を理解する: 理論からアルゴリズムまで
著者: シャイ・シャレフ＝シュワルツ、シャイ・ベン＝デイヴィッド
はじめに: 数学中心の理論による衝撃が和らぐと、バイアスと分散のトレードオフから線形回帰、モデル検証戦略、モデルブースティング、カーネル手法、予測問題に至るまで、幅広いトピックが徹底的に扱われていることがわかります。このような徹底的な治療の利点は、抽象的な直感を理解するだけでなく、理解がさらに深まることです。
閲覧アドレス:
7. 自然言語処理に Python を使用する
著者: スティーブン・バード、ユアン・クライン、エドワード・ローパー
はじめに: この本は、NLP の説明からゆっくりと始まり、Python を使用して一部の NLP プログラミング タスクを実行する方法と、処理のために自然言語コンテンツにアクセスする方法を紹介し、その後、概念 (NLP) やプログラミング (Python) などのより大きな概念に進みます。 。
すぐ、これには、分類、テキスト分類、情報抽出、および古典的な自然言語処理とみなされるその他のトピックが含まれます。
本書を通じて NLP の基本を理解した後は、より現代的で最先端のテクニックに進むことができます。
閲覧アドレス:
8. Fastai と PyTorch を使用したコーディングのためのディープラーニング
著者: ジェレミー・ハワード、シルヴァン・ガガー
はじめに: 本書の著者の 1 人であるジェレミー・ハワードは、ビッグデータ競争プラットフォーム Kaggle の元会長兼主任科学者です。彼自身も Kaggle チャンピオンです。彼は、米国のシンギュラリティ大学の最年少教員でもあります。
共著者のシルヴァンは、フランス、パリの高等師範学校の卒業生であり、パリ第 11 大学 (フランス、オルセー) で数学の修士号を取得しています。彼は、fast.ai の元教師兼研究科学者でもあり、限られたリソースでモデルを迅速にトレーニングできるようにする技術を設計および改善することで、ディープ ラーニングを容易にすることに取り組んでいます。
この本のユニークな点は、それが「トップダウン」で説明されていることです。実際の例を通してすべてを説明します。これらの例を構築すると、さらに深く掘り下げて、プロジェクトをより良くする方法を読者に伝えます。これは、読者が、なぜそれが重要なのか、そしてそれがどのように機能するのかを理解するために、必要な理論的基礎をすべて段階的に、文脈に沿って学ぶことを意味します。
著者らは、これまで複雑だったトピックを非常にシンプルにするツールと教育方法を構築するのに何年も費やしてきたと述べています。
閲覧アドレス:
http://50315d5e32ce03ba1773cc0ce6940a86.registreimarcasepatentes.com.br/read/
9. 誰でも使えるPython
著者: チャールズ R. セブランス
はじめに: この本には Amazon で 1,200 以上の評価があり、平均評価は 4.6 (5 点満点) で、ほとんどの読者がこの本が役立つと感じていることがわかります。多くの読者はそう思っています本書ではそれをシンプルかつ分かりやすく解説し、Python 言語を使った簡単なプロジェクトのコーディングを紹介します。
本書で述べられている知識は非常にわかりやすく、入門学習に最適です。
閲覧アドレス:
10. AutoML: 手法、システム、課題
編集：フランク・ヒッター、ラース・コットホフ、ホアキン・ヴァンショーレン
概要: 実際の AutoML についてよく知らなくても、心配する必要はありません。この本は、トピックへのしっかりとした導入と、読者が各章から何を期待できるかを章ごとに明確に示すことから始まります。これは、独立した章で構成される本では重要です。
そして、本の最初の部分では、この本は 2019 年に編纂、編集されたものであるため、現代の AutoML の重要なトピックについて自信を持って直接読むことができます。最初のパートに続いて、これらの AutoML 概念を実装するための 6 つのツールが紹介されます。
最後の部分は、2015 年から 2018 年までの数年間存在した AutoML チャレンジ シリーズの分析です。この期間中、機械学習への自動化アプローチへの関心が爆発的に高まったようです。
閲覧アドレス:
11. ディープラーニング
著者: イアン・グッドフェロー、ヨシュア・ベンジオ、アーロン・クールヴィル
はじめに: この本「ディープ ラーニング」は、人工知能分野のリーダーであるイアン グッドフェロー、ヨシュア ベンジオ、アーロン クールヴィルの共著です。マスク氏はかつて、「『ディープラーニング』はこの分野の3人の専門家が共著したもので、この分野で唯一の包括的な本だ」とコメントしたことがある。
この本の構成は、第 1 部で基本的な数学ツールと機械学習の概念を紹介し、第 2 部で最も成熟したディープ ラーニング アルゴリズムを紹介し、第 3 部でディープ ラーニングの将来の研究の優先事項として広く考えられているいくつかの有望なアイデアについて説明します。
閲覧アドレス:
https://www.deeplearningbook.org/
12. ディープラーニングを詳しく見る
著者: Aston Zhang、Zachary C. Lipton、Mu Li、Alexander J. Smola
はじめに: この本のユニークなところは、著者は「実践して学ぶ」という概念を採用しており、本全体に実行可能なコードが含まれています。著者は、教科書の利点 (明快さと数学) と実践的なチュートリアルの利点 (実践的なスキル、参照コード、実装テクニック、直感) を組み合わせようとしています。各章では、散文、数学、自己完結型の実装を織り交ぜたさまざまな形式を通じて、重要なアイデアを学びます。
閲覧アドレス:
13. 機械学習の数学的基礎
著者: マーク・ピーター・ダイゼンロート、アルド・ファイサル、チェン・スン・オン
はじめに: この本の最初の部分では純粋に数学的な概念について説明しており、機械学習についてはまったく触れていません。第 2 部では、これらの新しく発見された数学的スキルを機械学習の問題に適用することに注目します。
好みに応じて、トップダウンまたはボトムアップのアプローチで機械学習とその基礎となる数学を学習できます。
閲覧アドレス:
14. 統計学習の基礎
著者: トレバー・ハスティ、ロバート・ティブシラニ、ジェローム・フリードマン
はじめに: この本は、Amazon で高得点を獲得している作品です。著者はスタンフォード大学の 3 人の統計学の教授です。
著者は自分の専門知識を伝える方法を持っています。彼らのアプローチは、読者がいつ何を学ぶべきかについて、論理的かつ秩序立ったアプローチに従っているように見えます。ただし、各章は独立したものでもあるため、本書のこれまでの内容を理解していれば、本書を手に取ったときに直接モデル推論の章に進むことができます。
閲覧アドレス:
15. 統計学習の概要: R に基づくアプリケーション
著者: ギャレス ジェームス、ダニエラ ウィッテン、トレバー ハスティ、ロバート ティブシラニ
はじめに: この本の著者は南カリフォルニア大学、スタンフォード大学、ワシントン大学の 4 人の教授であり、全員が統計学のバックグラウンドを持っています。本書は『統計学習の基礎 (統計学習の基礎)』よりも実践的な内容となっており、R 言語を使用した実装例がいくつか掲載されています。
閲覧アドレス:
これらの本の評判が高いだけでなく、英語の原書は 50 ドルから 100 ドルと非常に高価です。今なら無料で読めて、読めばお金ももらえますよ～。
ソース：
https://www.kdnuggets.com/2020/12/15-free-data-science-machine-learning-statistics-ebooks-2021.html