Finns det några videor eller andra böcker / anteckningar som någon har stött på som följer mönsterigenkänning och maskininlärning av Chris Bishop? Jag köpte den här boken för att lära mig maskininlärning och har problem med att komma igenom den.
Kommentarer
- Leta efter befintliga trådar taggade med taggen referenser .
- FWIW, jag tror att frågan är lika aktuell som alla andra referensförfrågningar. Jag tycker faktiskt att det ' är mer specifikt än de flesta eftersom denna fråga specifikt ber om material som följer en lärobok, snarare än bara maskininlärning i allmänhet.
Svar
Biskop är en fantastisk bok. Jag hoppas att dessa förslag hjälper till med din studie:
- Författaren själv har lagt upp några bilder för kapitel 1 , 2 , 3 & 8 samt många lösningar .
- En läsgrupp vid INRIA har postade sina egna bilder som täckte varje kapitel.
- João Pedro Neto har lagt upp några anteckningar och arbeten i R här . (Rulla ner till där det står ”Bishops Pattern Recognition and ML”)
- Många inledande maskininlärningskurser använder Bishop som lärobok. Googling ger några olika, titta och se vilka ämnen och fokus du föredrar.
Svar
Jag rekommenderar dessa resurser till dig:
- Tom Mitchell: Carnegie Mellon University
- (Endast för övervakat lärande och följer biskopen) Mönsterigenkänning: Indian Institute of Science (jag gillar personligen den här kursen eftersom jag har gått den, men den här kursen kräver att du känner till sannolikhetsteori.)
Båda kurser är matematiska orienterade, för en lättare kurs om maskininlärning skulle vara ”Machine Learning” av Udacity
Svar
jupyter anteckningsböcker med pythonimplementeringar och scikit-läranvändning vid PRML
Svar
https://www.cs.toronto.edu/~rsalakhu/STA4273_2015/
Denna kurs följer noggrant en del av Biskop ”s. Den har föreläsningsvideor med sig.
Kommentarer
- Välkommen till sajten. För närvarande är detta mer en kommentar än ett svar. Du kan utvidga den, kanske genom att ge en sammanfattning av informationen i länken, eller så kan vi konvertera den till en kommentar åt dig.
Svar
Jag tror att en bok som ofta förbises är Informationsteori, inferens och inlärningsalgoritmer av David MacKay .
Det följer den allmänna ramen för PRML, eftersom författarna verkar ha ett liknande (åtminstone enligt min mening) perspektiv. Beroende på din bakgrund – oavsett om du gillar begrepp som informationsteori / kodning / KL-divergens – kanske du tycker att den här boken är extremt iögonfallande.