Van olyan videó vagy más könyv / jegyzet, amellyel bárki találkozhatott, és követte Chris Bishop mintázatfelismerését és gépi tanulását? Ezt a könyvet azért vettem meg, hogy megtanuljam a Gépi tanulást, és nehezen tudok átjutni rajta.
Megjegyzések
- Keresse meg a hivatkozások címkével ellátott meglévő szálakat.
- FWIW, szerintem a kérdés ugyanolyan témájú, mint bármely más referencia-kérés. Valójában szerintem ' specifikusabb, mint a legtöbb, mert ez a kérdés kifejezetten egy tankönyv nyomán követeli az anyagokat, nem csak a gépi tanulást általában.
Válasz
A püspök remek könyv. Remélem, hogy ezek a javaslatok segítenek a tanulmányában:
- A szerző maga készített néhány diát a 1 , 2 , 3 & 8 , valamint sok megoldás .
- Az INRIA egyik olvasócsoportja közzétette a saját diáit , amelyek minden fejezetet lefedtek.
- João Pedro Neto néhány jegyzetet és működést tett közzé R-ben itt . (Görgessen lefelé oda, ahol a “Bishop” minták felismerése és ML “felirat szerepel.)
- Számos bevezető gépi tanfolyam a Bishop-t használja tankönyvként. A Google segítségével néhány különféle adható; tekintse meg és nézze meg, mely témák és fókuszáljon.
Válasz
Ezeket az erőforrásokat javasolnám Önnek:
- Tom Mitchell: Carnegie Mellon Egyetem
- (Csak felügyelt tanuláshoz és követi püspököt) Mintafelismerés: Indiai Tudományos Intézet (nekem személy szerint tetszik ez a tanfolyam, mivel részt vettem rajta, de ez a tanfolyam megköveteli, hogy ismerje a valószínűségelméletet.)
Mindkettő tanfolyamok matematika orientáltak, a gépi tanulás könnyebb tanfolyama az Udacity “gépi tanulása” lenne.
Válasz
jupyter füzetek python implementációk és scikit-learn használat a PRML
Válasz
https://www.cs.toronto.edu/~rsalakhu/STA4273_2015/
Ez a tanfolyam szorosan követi a Püspök. Előadási videók vannak rajta.
Megjegyzések
- Üdvözöljük a webhelyen. Jelenleg ez inkább megjegyzés, mint válasz. Kiterjesztheti, esetleg összefoglalva az információkat a linken, vagy átalakíthatjuk az Ön számára megjegyzésként.
Válasz
Szerintem egy gyakran figyelmen kívül hagyott könyv David MacKay információelméleti, következtetési és tanulási algoritmusai .
Ez a PRML általános keretrendszerét követi, mivel úgy tűnik, hogy a szerzők hasonló (legalábbis véleményem szerint) perspektívával rendelkeznek. Háttérétől függően – függetlenül attól, hogy élvezi-e az olyan fogalmakat, mint az információelmélet / kódolás / KL-divergencia – ez a könyv rendkívül szemet nyitó lehet.