Er det noen videoer eller andre bøker / notater som noen har kommet over som følger mønstergjenkjenning og maskinlæring av Chris Bishop? Jeg kjøpte denne boka for å lære maskinlæring og har problemer med å komme igjennom den.
Kommentarer
- Se etter eksisterende tråder merket med referanser -taggen.
- FWIW, jeg tror spørsmålet er like tema som alle andre referanseforespørsler. Jeg tror faktisk det ' er mer spesifikt enn de fleste fordi dette spørsmålet spesifikt ber om materiale som følger en lærebok, i stedet for bare maskinlæring generelt.
Svar
Biskop er en flott bok. Jeg håper disse forslagene hjelper deg med studien din:
- Forfatteren selv har lagt ut noen lysbilder for kapitler 1 , 2 , 3 & 8 , samt mange løsninger .
- En lesegruppe ved INRIA har la ut sine egne lysbilder som dekker hvert kapittel.
- João Pedro Neto har lagt ut noen notater og arbeid i R her . (Bla ned til der det står «Bishops Pattern Recognition and ML»)
- Mange innledende maskinlæringskurs bruker Bishop som lærebok. Googling gir noen forskjellige, ta en titt og se hvilke temaer og fokus du foretrekker.
Svar
Jeg vil anbefale disse ressursene til deg:
- Tom Mitchell: Carnegie Mellon University
- (Bare for veiledet læring og følger biskop) Mønstergjenkjenning: Indian Institute of Science (jeg liker personlig dette kurset slik jeg har deltatt på det, men dette kurset krever at du kjenner sannsynlighetsteori.)
Både kurs er matematikkorientert, for et lettere kurs om maskinlæring ville være «Machine Learning» av Udacity
Svar
jupyter notatbøker med python-implementeringer og scikit-lær-bruk på PRML
Svar
https://www.cs.toronto.edu/~rsalakhu/STA4273_2015/
Dette kurset følger nøye en del av Biskop «s. Den har forelesningsvideoer med seg.
Kommentarer
- Velkommen til siden. For tiden er dette mer en kommentar enn et svar. Du kan utvide den, kanskje ved å gi et sammendrag av informasjonen på lenken, eller vi kan konvertere den til en kommentar for deg.
Svar
Jeg tror en ofte oversett bok er Information Theory, Inference, and Learning Algorithms av David MacKay .
Det følger den generelle rammen for PRML, siden forfatterne ser ut til å ha et lignende (i det minste etter mitt syn) perspektiv. Avhengig av bakgrunnen din – om du liker konsepter som informasjonsteori / koding / KL-divergens eller ikke – kan du finne denne boken ekstremt iøynefallende.