Czy są jakieś filmy wideo lub inne książki / notatki, na które ktoś natknął się, a które dotyczą rozpoznawania wzorców i uczenia maszynowego autorstwa Chrisa Bishopa? Kupiłem tę książkę, aby nauczyć się uczenia maszynowego i mam pewne problemy z jej przejściem.
Komentarze
- Poszukaj istniejących wątków oznaczonych tagiem referencje .
- FWIW, myślę, że pytanie jest tak samo na temat jak każda inna prośba o referencje. Właściwie uważam, że ' jest bardziej szczegółowe niż większość, ponieważ to pytanie dotyczy konkretnie materiałów z podręcznika, a nie tylko uczenia maszynowego w ogóle.
Odpowiedź
Bishop to wspaniała książka. Mam nadzieję, że te sugestie okażą się pomocne w nauce:
- Sam autor opublikował kilka slajdów do rozdziałów 1 , 2 , 3 & 8 , a także wiele rozwiązań .
- Grupa czytelnicza w INRIA ma opublikowali własne slajdy obejmujące każdy rozdział.
- João Pedro Neto opublikował notatki i prace w języku R tutaj . (Przewiń w dół, gdzie jest napisane „Rozpoznawanie wzorców Bishopa i ML”)
- Wiele wprowadzających kursów uczenia maszynowego używa Bishopa jako podręcznika. Googling daje kilka różnych; zobacz, które tematy i skup się, co wolisz.
Odpowiedź
Polecam te zasoby:
- Tom Mitchell: Carnegie Mellon University
- (tylko w przypadku nauki nadzorowanej i podąża za Bishopem) Rozpoznawanie wzorców: Indian Institute of Science (osobiście podoba mi się ten kurs, ponieważ uczestniczyłem w nim, ale ten kurs wymaga znajomości teorii prawdopodobieństwa).
Zarówno kursy są zorientowane na matematykę, lżejszym kursem dotyczącym uczenia maszynowego byłby „Machine Learning” autorstwa Udacity
Odpowiedź
jupyter notatniki z implementacje pythona i użycie scikit-learn w PRML
Answer
https://www.cs.toronto.edu/~rsalakhu/STA4273_2015/
Ten kurs jest ściśle związany z częścią Bishop ”s. Zawiera filmy z wykładami.
Komentarze
- Witamy w serwisie. Obecnie jest to bardziej komentarz niż odpowiedź. Możesz go rozwinąć, na przykład podając podsumowanie informacji pod linkiem, lub możemy zamienić je na komentarz dla Ciebie.
Odpowiedz
Myślę, że często pomijaną książką jest Information Theory, Inference, and Learning Algorithms autorstwa Davida MacKaya .
Jest zgodny z ogólnymi ramami PRML, ponieważ autorzy wydają się mieć podobną (przynajmniej moim zdaniem) perspektywę. W zależności od twojego doświadczenia – czy lubisz pojęcia takie jak teoria informacji / kodowanie / dywergencja KL – ta książka może ci się wydać niezwykle otwierająca oczy.