Освоить технологии построения и принципы функционирования вычислительных структур помогают книги по нейронным сетям. Издания содержат объяснительный текст и примеры из практики. Читателю доступны приложения и комбинированные методы решения задач.
Список полезной литературы по работе с нейросетями
Лучшие издания для начинающих пользователей и экспертов помогают освоению и изучению функции вычислительной системы. Заслуживает внимания сборник Ф. Шолле Deep Learning with Python о наборе алгоритмов для обучения нейросети.
Пользователей привлекают издания О. Жерона и М. Лапань, посвященные использованию математических моделей с помощью AiphaGo, Scikit-Learn, Keras.
В книге «Машинное обучение» С. Николенко предлагает читателю погрузиться в мир нейросетей, изучить и реализовать алгоритмы.
Поверхностное обучение для чайников
Для начинающих пользователей, студентов вузов, интересующихся машинным обучением, полезны следующие издания по нейронным сетям:
- Дж. Мюллер. «Python для чайников». Автор описывает механизм кодирования на высокоуровневом языке программирования.
- Ч. Аггарвал. «Нейронные сети и глубокое обучение. Учебный курс». Сборник знакомит новичка с многомерным статистическим анализом системы. Содержит упражнения для закрепления изученного материала.
Создание нейросетей с нуля
Учебник Т. Рашида «Создаем нейронную сеть» анализирует работу вычислительных структур, знакомит с информацией, необходимой для изучения «мозга» математической модели, черного ящика, маркера «О».
Читатель знакомится с материалами на русском языке:
- «Краткое изложение уроков о дифференциальном и интегральном исчислении».
- «Нейронная сеть на Raspberry Pi».
Глубокое обучение
Список литературы включает издания С. Хайкина «Нейронные сети. Полный курс», М. Нильсена «Neural Networks and Deep Learning». В учебниках много проектов, примеров, приложений для анализа видео и фото.
Читатель знакомится с конструкцией и функциями вычислительной структуры, получает хорошие навыки применения машинного обучения для создания собственного продукта.
А. Бурков предлагает для занятий сборник The Hundred-Page Machine Learning Book.
Преимущества издания:
- понятный, доступный материал;
- справочная информация;
- теоремы с доказательствами.
Использование для прикладных наук
Топ научных изданий:
- Е. А. Трофимова «Нейронные сети в прикладной экономике». В издании приводятся методы настройки нейросетей и распознавания образов для решения задач прикладной экономики.
- С. И. Барцев «Эвристические нейросетевые модели в биофизике». Автор знакомит пользователей с математическими моделями, предназначенными для решения таких вопросов, как:
- вычисление продолжительности жизни;
- статус эвристического объекта и пр.
- В. С. Ростовцев «Искусственные нейронные сети». В книге рассмотрены вопросы использования математической модели в информатике, схемотехнике, биофизике, методы линейного программирования, доступны задачи и тесты.
Обучение распознаванию эмоций
Сборник «Распознавание эмоций. Подход к анализу паттернов» (А. Конар, А. Чакраборти) знакомит с достижениями нейросети в области распознавания базовых явлений психики.
Новичкам предлагают бестселлер Т. Дэвенпорта «Внедрение искусственного интеллекта в бизнес-практику». В издании рассмотрен вклад компьютерной структуры в развитие синтетического разума и процессы роботизации.
Машинное обучение
Литература помогает изучению цифровой лингвистики и математического моделирования. Для удовлетворения профессиональных интересов предназначены издания и иллюстрированные пособия, дающие представление о машинной теории.
Современный учебник для практиков «Обучение с подкреплением» представил Р. С. Саттон. Читатель знакомится с теоретической базой в области IT-технологий, основами составления линейных уравнений. Пользователь изучает случайные переменные, алгоритмы работы с нейросетью.
Нейросети на Python
Базовый анализ синтетических структур начинают с чтения публикаций:
- Э. Мэтиз «Изучаем Python». Читатель знакомится с шаблонами чистого кода, осваивает язык программирования. Представлены материалы популярных библиотек: Matplotlib, Seaborn, Mayavi.
- Создание искусственного приложения невозможно без книги П. Бэрри «Изучаем программирование на Python». Мировой бестселлер учит управлению сетевыми, реляционными, документальными базами данных, применению декораторов и генераторов для Python.
Язык изложения доступный. Рассматривается рекуррентный класс сетей для сбора информации о стационарных временных рядах.