Gibt es Videos oder andere Bücher / Notizen, auf die jemand gestoßen ist, die der Mustererkennung und dem maschinellen Lernen von Chris Bishop folgen? Ich habe dieses Buch gekauft, um maschinelles Lernen zu lernen, und habe Probleme, es durchzuhalten.
Kommentare
- Suchen Sie nach vorhandenen Threads, die mit dem -Referenzen gekennzeichnet sind.
- FWIW, ich denke, die Frage ist genauso themenbezogen wie jede andere Referenzanfrage. Ich denke tatsächlich, dass ' spezifischer ist als die meisten anderen, da in dieser Frage speziell nach Materialien gefragt wird, die einem Lehrbuch folgen, und nicht nur nach maschinellem Lernen im Allgemeinen.
Antwort
Bischof ist ein großartiges Buch. Ich hoffe, diese Vorschläge helfen bei Ihrer Studie:
- Der Autor selbst hat einige Folien für Kapitel 1 , 2 , 3 & 8 sowie viele Lösungen .
- Eine Lesegruppe bei INRIA hat hat eigene Folien veröffentlicht, die jedes Kapitel abdecken.
- João Pedro Neto hat einige Notizen und Arbeiten in R veröffentlicht hier . (Scrollen Sie nach unten zu der Stelle, an der „Bishops Pattern Recognition and ML“ steht.)
- Viele maschinelle Einführungskurse verwenden Bishop als Lehrbuch. Googeln gibt einige verschiedene; schauen Sie sich an, welche Themen und welche Fokus, den Sie bevorzugen.
Antwort
Ich würde Ihnen diese Ressourcen empfehlen:
- Tom Mitchell: Carnegie Mellon University
- (nur für betreutes Lernen und folgt Bischof) Mustererkennung: Indian Institute of Science (Ich persönlich mag diesen Kurs, da ich ihn besucht habe, aber für diesen Kurs müssen Sie die Wahrscheinlichkeitstheorie kennen.)
Beide Kurse sind mathematikorientiert, denn ein leichterer Kurs über maschinelles Lernen wäre „Maschinelles Lernen“ von Udacity
Antwort
Jupiter-Notizbücher mit Python-Implementierungen und Verwendung von Scikit-Learn unter PRML
Antwort
https://www.cs.toronto.edu/~rsalakhu/STA4273_2015/
Dieser Kurs folgt einem Teil von Bischof „s. Es enthält Vorlesungsvideos.
Kommentare
- Willkommen auf der Website. Derzeit ist dies eher ein Kommentar als eine Antwort. Sie können es erweitern, indem Sie möglicherweise eine Zusammenfassung der Informationen unter dem Link angeben, oder wir können es in einen Kommentar für Sie umwandeln.
Antwort
Ich denke, ein oft übersehenes Buch ist Informationstheorie, Inferenz und Lernalgorithmen von David MacKay .
Es folgt dem allgemeinen Rahmen von PRML, da die Autoren eine ähnliche (zumindest meiner Ansicht nach) Perspektive zu haben scheinen. Abhängig von Ihrem Hintergrund – ob Sie Konzepte wie Informationstheorie / Codierung / KL-Divergenz mögen oder nicht – finden Sie dieses Buch möglicherweise äußerst aufschlussreich.