Решил поделиться небольшой подборочкой.

1. 
   

   Марк Питер Дайзенрот, А. Альдо Фейзал, Чен Сунь Он. Математика в машинном обучении. — СПб.: Питер, 2024.

   https://www.labirint.ru/books/963342/
   
   Книга-справочник по математическому аппарату, используемому в построении нейросетей. Многим вещам, например градиентам матриц по векторам или другим матрицам, что-то типа dW/dx, где W и x матрицы не особо учат в обычных технических вузах. В общем, приведена как математика нейросетей, так и ее применение. В отзывах на книгу есть сообщения, что в русском переводе много опечаток и советуют использовать английский оригинал, который и бесплатный (официально) и иллюстрации цветные. https://mml-book.github.io/ Есть упражнения.
   
   

2. Федотов Станислав, Синицин Филипп. Учебник по машинному обучению. Онлайн от Яндекса ШАД (школа анализа данных)

   https://academy.yandex.ru/handbook/ml
   
   Как написано в аннотации "Онлайн-учебник по машинному обучению от ШАД — для тех, кто не боится математики и хочет разобраться в технологиях ML. Вы изучите классическую теорию и тонкости реализации алгоритмов, пройдя путь от основ машинного обучения до тем, которые поднимаются в свежих научных статьях."
   
   

3. Стивенс Эли, Антига Лука, Виман Томас. PyTorch. Освещая глубокое обучение. — СПб.: Питер, 2022

   https://www.ozon.ru/product/pytorch-osveshchaya-glubokoe-obuchenie-viman-tomas-antiga-luka-718939723/
   
   Книга от создателей фреймворка PyTorch для построения нейросетей. Ее еще можно было бы назвать "Введение в PyTorch и нейросети". Математики там почти нет, в основном в виде ссылок, что а вот здесь мы используем метод обратного распространения градиента. Много примеров кода с использованием нейросетей. Глубокого понимание только по этой книжке не получить, но возможно самая простая, чтобы быстро "въехать" и начать применять.
   
   

4. Мэтт Харрисон. Машинное обучение: карманный справочник. Краткое руководство по методам структурированного машинного обучения на Python. : Пер. с англ. — СПб. : ООО "Диалектика", 2020

   https://www.chitai-gorod.ru/product/mashinnoe-obuchenie-karmannyy-spravochnik-kratkoe-rukovodstvo-po-metodam-strukturirovannogo-mashinnogo-obucheniya-na-python-2818595
   
   Собственно является тем, чем описано в заглавии. Кратким карманным справочником по основным понятиям в виде этакого введения в построение нейросетей. Есть примеры кода. Математики почти нет.
   
   

5. Эндрю Траск: Грокаем глубокое обучение. СПб.: Питер, 2019.

   https://www.labirint.ru/books/709360/
   
   На пальцах объясняют работу и построение нейросетей. Математика слабо представлена, в основном ссылки на методы.

В принципе первых 3-х книг достаточно, чтобы начать программировать нейросети. Первые две дают фундаментальные основы, 3-я — практическое введение на одном из самых популярных и развивающихся фреймворков.

M>[list=1]
M>

M>

Марк Питер Дайзенрот, А. Альдо Фейзал, Чен Сунь Он. Математика в машинном обучении. — СПб.: Питер, 2024.

M>https://www.labirint.ru/books/963342/

M>Книга-справочник по математическому аппарату, используемому в построении нейросетей. Многим вещам, например градиентам матриц по векторам или другим матрицам, что-то типа dW/dx, где W и x матрицы не особо учат в обычных технических вузах. В общем, приведена как математика нейросетей, так и ее применение. В отзывах на книгу есть сообщения, что в русском переводе много опечаток и советуют использовать английский оригинал, который и бесплатный (официально) и иллюстрации цветные. https://mml-book.github.io/ Есть упражнения.
Книга реально хорошая.

Здравствуйте, Michael7, Вы писали:

M>Решил поделиться небольшой подборочкой.


А есть что-то типа справочника для интеграторов по текущей иерархии моделей, строительных блоков, выбора параметров с указанием рекомендуемых областей применения и т.д.?
В общем, если мне все-равно как оно там под капотом, но необходимо реализовать простую задачу, например, классификации.

Здравствуйте, pva, Вы писали:

pva>А есть что-то типа справочника для интеграторов по текущей иерархии моделей, строительных блоков, выбора параметров с указанием рекомендуемых областей применения и т.д.?
https://cloud.mail.ru/public/c5Es/thmPpuPGz