2021년 도서 목록 추천 | 높은 평가를 받은 AI 도서 15권, 모두 무료로 읽을 수 있습니다
현재 시중에는 인공지능에 관한 책이 꽤 많이 나와 있습니다. 인공지능에 관심 있는 사람으로서, 어떤 책 목록을 선택해야 할까요? 새해를 맞아 KDnuggets에서 AI 관련 서적 목록을 정리했으니, 필요에 따라 활용하시기 바랍니다.
머신 러닝, 빅 데이터, 분석에 중점을 둔 최고의 웹사이트 KDnuggets는 최근 머신 러닝, NLP, 데이터 과학 및 기타 분야를 다루는 15권의 도서 목록을 정리했습니다. 이 책의 저자는 모두 인공지능 분야의 최고 학자이자 연구자입니다.
인공지능을 막 시작하는 초보자이든 이미 해당 기술에 대한 지식이 어느 정도 있든, 이 목록에는 항상 여러분에게 맞는 책이 있습니다. 모든 책은 온라인에서 무료로 읽을 수 있어서 정말 좋습니다.
1. 데이터 과학 및 머신 러닝: 수학적 및 통계적 방법
저자: DP Kroese, ZI Botev, T. Taimre & R. Vaisman
서론: 이 책은 매우 실용적인 책입니다.Python을 사용하여 데이터 과학을 수행하고 머신 러닝 모델을 구현하는 데 중점을 두고 있습니다.이 글은 관련 이론을 매우 잘 설명하고 있으며, 필요에 따라 필수적인 수학 연산을 소개하고 있어 글 전체의 흐름을 잘 잡아주고 있습니다.
독서 주소:
2. 텍스트 마이닝: R 언어 기반의 깔끔한 도구
Julia Silge와 David Robinson 작성
서론: 텍스트 마이닝은 텍스트 데이터에서 귀중한 정보와 지식을 추출하는 컴퓨터 처리 기술입니다. 자연어 처리에서도 이는 인기 있는 주제입니다.
이 책은 주로 텍스트 마이닝과 정리된 데이터의 분석을 소개합니다. 모든 코드는 R 언어로 작성되어 있어 R 언어 초보자에게 매우 좋습니다.
이 책은 9개 장으로 구성되어 있으며, 텍스트 분석을 위한 깔끔한 R 기반 도구를 사용하는 방법을 소개합니다. 정리된 데이터는 간단하고 참신한 구조를 가지고 있어 분석을 더 효율적이고 쉽게 만들어줍니다.
독서 주소:
https://github.com/dgrtwo/tidy-text-mining
3. 인과 추론: 만약
저자: 미구엘 에르난, 제이미 로빈스
소개:하버드 대학의 미구엘 에르난 교수와 제이미 로빈스 교수가 쓴 이 책은 인과 추론의 개념과 방법을 체계적으로 설명합니다.이 책은 Zhihu 등 주요 플랫폼에서 많은 인기를 얻었으며, 많은 계량경제학자들이 오랫동안 기다려온 책입니다.
인과 추론은 복잡하고 포괄적인 주제이지만, 저자들은 자신들이 가장 기본적인 측면이라고 생각하는 내용을 약 300페이지 분량으로 요약하려고 최선을 다했습니다. 만약 여러분이 스스로 개념적 기초를 쌓는 데 관심이 있다면, 이 책이 여러분의 첫 번째 선택이 될 수도 있습니다.
독서 주소:
4. Julia와 함께하는 통계: 데이터 과학 기초, 머신 러닝 및 인공 지능
저자: Yoni Nazarathy, Hayden Klok
서론: 이 책의 2장에서는 통계적 개념을 소개합니다.이 장부터 이러한 개념은 서로 구축됩니다.또한 통계적 추론, 신뢰 구간, 가설 검정, 선형 회귀, 머신 러닝 등과 같은 보다 고급 주제도 소개합니다.
이 책의 저자는 이 책이 바로 그가 기다려온 자료라고 말하며, 그가 항상 원했던 방식으로 줄리아 데이터 과학을 효과적으로 배울 수 있게 해주며, 여러분의 취향에도 맞기를 바란다고 말했습니다.
독서 주소:
5. 데이터 과학 기초
저자: Avrim Blum, John Hopcroft, Ravindran Kannan
요약: 많은 현대 서적에서 데이터 과학은 단지 프로그래밍 도구 세트로 축소되어, 이를 숙달하면 데이터 과학을 대신 수행해 주겠다고 약속합니다.
역사적으로 다른 책들은 코드와의 분리에 대한 기본 개념과 이론에 별로 중점을 두지 않는 듯합니다. 이 책은 이러한 추세에 반대하는 훌륭한 예이며 의심의 여지가 없습니다.이 책은 당신에게 데이터 과학 분야에서 경력을 쌓는 데 필요한 튼튼한 기초와 이론적 지식을 제공할 것입니다.
독서 주소:
6. 머신 러닝 이해: 이론에서 알고리즘까지
저자: 샤이 샬레브-슈워츠, 샤이 벤-다비드
서론: 수학 중심 이론의 잠재적 충격이 사라지면,편향-분산 균형에서 선형 회귀, 모델 검증 전략, 모델 부스팅, 커널 방법, 예측 문제까지 다양한 주제가 철저히 다루어집니다.이처럼 철저한 치료의 이점은 추상적인 직관에만 머무르지 않고 더 깊이 이해할 수 있다는 것입니다.
독서 주소:
7. 파이썬을 활용한 자연어 처리
저자: 스티븐 버드, 이완 클라인, 에드워드 로퍼
서론: 이 책은 먼저 NLP에 대한 설명으로 시작합니다. Python을 사용하여 일부 NLP 프로그래밍 작업을 수행하는 방법과 처리를 위해 자연어 콘텐츠에 액세스하는 방법을 소개한 다음, 개념(NLP)과 프로그래밍(Python)을 포함한 보다 야심찬 개념으로 넘어갑니다.
곧,여기에는 분류, 텍스트 분류, 정보 추출 및 일반적으로 고전적인 자연어 처리로 간주되는 기타 주제가 포함됩니다.
이 책을 통해 NLP의 기본을 이해한 후, 더욱 현대적이고 첨단 기술을 접할 수 있습니다.
독서 주소:
8. Fastai와 PyTorch를 활용한 Coder의 딥러닝
Jeremy Howard와 Sylvain Gugger 지음
서론: 이 책의 저자 중 한 명인 제러미 하워드는 빅데이터 경연 플랫폼인 Kaggle의 전 회장이자 수석 과학자입니다. 그는 또한 Kaggle의 챔피언입니다. 그는 또한 미국 싱귤래리티 대학의 가장 젊은 교수이기도 합니다.
공동 저자인 실뱅은 프랑스 파리에 있는 에콜 노르말 쉬페리외르를 졸업했으며, 파리 11대학교(프랑스 오르세)에서 수학 석사 학위를 취득했습니다. 그는 또한 fast.ai에서 교사로 재직하며 연구 과학자로 일하면서, 제한된 리소스로 모델을 빠르게 학습시킬 수 있는 기술을 설계하고 개선하여 딥 러닝을 더 쉽게 접근할 수 있도록 하는 데 힘쓰고 있습니다.
이 책의 독특한 점은 처음부터 끝까지 설명이 되어 있다는 점입니다. 실제 사례를 통해 모든 것을 설명합니다.이러한 예를 바탕으로 점점 더 깊이 파고들어 프로젝트를 더욱 개선하는 방법을 알려드리겠습니다. 즉, 독자는 맥락에 따라 필요한 모든 이론적 기초를 단계별로 배워서 왜 그것이 중요한지, 어떻게 작동하는지 이해할 수 있다는 의미입니다.
저자들은 이전에는 복잡했던 주제를 매우 간단하게 만들기 위해 도구와 교육 방법을 만드는 데 수년을 투자했다고 말합니다.
독서 주소:
http://50315d5e32ce03ba1773cc0ce6940a86.registreimarcasepatentes.com.br/read/
9. 모든 사람을 위한 파이썬
Charles R. Severance 지음
소개: 이 책은 Amazon에서 1,200개 이상의 평가를 받았으며, 평균 평점은 5점 만점에 4.6점입니다. 이는 대부분 독자가 이 책을 유용하다고 생각한다는 것을 보여줍니다. 많은 독자들은 다음과 같이 믿습니다.이 책은 개념을 이해하기 쉽게 설명하고 Python 언어를 사용하여 간단한 프로젝트에 대한 코드를 작성하도록 권장합니다.
이 책에 언급된 지식은 매우 이해하기 쉽고 초보 수준의 학습에 매우 적합합니다.
독서 주소:
10. AutoML: 방법, 시스템, 과제
편집자: Frank Hutter, Lars Kotthoff, Joaquin Vanschoren
요약: AutoML이 실제로 무엇인지 잘 모르더라도 걱정하지 마세요. 이 책은 주제에 대한 확실한 소개로 시작해서 각 장에서 무엇을 기대해야 할지 명확하게 설명합니다. 이는 각 장이 독립적으로 구성된 책에서 중요한 점입니다.
그런 다음 책의 첫 번째 부분에서는 2019년에 구성 및 편집된 책이므로 자신감을 가지고 바로 들어가 현대 AutoML의 중요한 주제에 대해 읽을 수 있습니다. 첫 번째 부분 이후에는 이러한 AutoML 개념을 구현하는 데 필요한 여섯 가지 도구가 소개됩니다.
마지막 섹션에서는 2015년에서 2018년 사이 몇 년 동안 진행된 AutoML 챌린지 시리즈를 분석합니다. 이 기간 동안 머신 러닝에 대한 자동화된 접근 방식에 대한 관심이 폭발적으로 증가했습니다.
독서 주소:
11. 딥러닝
Ian Goodfellow, Yoshua Bengio 및 Aaron Courville 작성
서론: 이 책 "딥러닝"은 많은 서론이 필요하지 않을 것입니다. 이 책은 인공지능 분야의 선도자들인 이언 굿펠로우, 요슈아 벤지오, 에런 쿠르빌이 공동 집필했습니다.머스크는 한때 이렇게 말했습니다. "딥러닝은 해당 분야 전문가 3명이 공동 집필한 책으로, 해당 분야를 포괄적으로 다룬 유일한 책입니다."
이 책은 첫 번째 부분에서는 머신 러닝의 기본적인 수학적 도구와 개념을 소개하고, 두 번째 부분에서는 가장 성숙한 딥 러닝 알고리즘을 소개하며, 세 번째 부분에서는 딥 러닝의 미래 연구 초점으로 널리 여겨지는 몇 가지 미래 지향적인 아이디어를 논의하는 방식으로 구성되어 있습니다.
독서 주소:
https://www.deeplearningbook.org/
12. 딥러닝에 뛰어들다
작성자: Aston Zhang, Zachary C. Lipton, Mu Li 및 Alexander J. Smola
서론: 이 책은 다음과 같은 점에서 독특합니다.저자는 "실천을 통한 학습" 철학을 채택했으며, 책 전체에 실행 가능한 코드가 포함되어 있습니다.저자는 교과서의 장점(명확성과 수학)과 실습 튜토리얼의 장점(실용적 기술, 참조 코드, 구현 팁, 직관)을 결합하려고 노력했습니다. 각 장에서는 산문, 수학, 그리고 자체 구현을 엮어 다양한 형태를 통해 핵심 아이디어를 가르쳐줍니다.
독서 주소:
13. 머신러닝의 수학적 기초
저자: Marc Peter Deisenroth, Aldo Faisal, Cheng Soon Ong
요약: 이 책의 첫 번째 부분은 순전히 수학적 개념만 다루고 머신 러닝에 대해서는 전혀 언급하지 않습니다. 두 번째 부분에서는 이러한 새롭게 발견된 수학적 기술을 머신 러닝 문제에 적용하는 데 주목합니다.
독자의 희망에 따라 머신 러닝과 그 기반이 되는 수학에 대해 학습하는 데 상향식 접근 방식이나 하향식 접근 방식을 취할 수 있습니다.
독서 주소:
14. 통계 학습의 기초
저자: 트레버 헤이스티, 로버트 팁시라니, 제롬 프리드먼
서론: 이 책은 아마존에서 높은 평점을 받은 책이며, 저자는 스탠포드 대학의 통계학 교수 3명입니다.
저자는 자신의 전문지식을 전달하는 방법을 가지고 있습니다. 그들의 접근 방식은 독자가 무엇을 언제 배워야 하는지에 대한 논리적이고 체계적인 방법을 따르는 것 같습니다. 그러나 각 장은 독립적으로 구성되어 있으므로, 이 책을 집어 들고 이전 내용을 이미 이해했다면 모델 추론에 대한 장으로 바로 넘어갈 수 있습니다.
독서 주소:
15. 통계 학습 소개: R 기반 응용 프로그램
저자: Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani
서론: 이 책의 저자는 모두 남가주대학교, 스탠포드대학교, 워싱턴대학교의 교수 4명으로, 통계학 분야의 전문가입니다. 이 책은 통계 학습의 요소보다 더 실용적이며 R로 구현된 몇 가지 예를 제공합니다.
독서 주소:
이런 책들은 평판이 매우 좋을 뿐만 아니라, 원래 영어 책의 가격도 싸지 않아서 기본적으로 50달러에서 100달러 정도입니다. 지금은 무료로 읽으실 수 있고, 읽으시면 수익이 발생합니다~
출처:
https://www.kdnuggets.com/2020/12/15-free-data-science-machine-learning-statistics-ebooks-2021.html