Bahar Şenliği Kitap Teslimatı | Başlangıç seviyesinden veri biliminde uzmanlığa kadar bu 27 kitaba ihtiyacınız var
Herkesin kendi öğrenme yolu vardır. Kitapların bir kişiye çekiciliği başka herhangi bir öğrenme aracıyla verilemez. Ancak, veri bilimi üzerine o kadar çok kitap var ki, hangi seçim? Nereden başlamalı? Belirli bir teknolojiyi veya alanı öğrenmek için hangi kitaplar uygundur? Bu makale, farklı alanlara göre okunması gereken 27 kitabı listeler.
1. Düz İngilizce İstatistikler
Yazar: Timothy C. Urdan
Bu kitap tamamen Xiao Bai için yazılmıştır ve anlaşılması kolaydır. Yazım stili ve verilen açıklama, Düz İngilizce İstatistikler kitabının başlığına karşılık gelir. Teknik geçmişi olmayan kişilere tavsiye edebilirsiniz.
2. Düşünme İstatistikleri: Programcılar için Olasılık ve İstatistik
Yazar: Allen B. Downey
Bu kitabı birçok veri bilimi kitabının listesinde bulacaksınız. Bu kitaptaki kaynaklar çok zengin, bu kitapta birçok veri dosyası, kod ve çözüm var. Python temeli olanlar için bunlar çok pratiktir.Bu bilgisayar dilleri gerçek dünyadaki vakaları doğrulamak için kullanılır.
3. İstatistiksel Öğrenmeye Giriş
Yazarlar: Gareth James, Daniela Witten, Trevor Hastie ve Robert Tibshirani
Bu kitap çok klasiktir ve temel istatistikleri ve makine öğrenimi tekniklerini kapsar. Bu kitabın en güzel yanı, her kavramın R dilinde vaka çalışmaları ile açıklanmasıdır. Yani, programlamada ustalaştıktan sonra her kavramı test edebilirsiniz. Kavramı tekrarlı uygulamadan daha iyi test etmenin bir yolu var mı?
1. Olasılık: Hevesli Yeni Başlayanlar İçin
Yazar: David Morin
Yeni başlayanlar için bu kitap ideal bir seçimdir. Bu kitap üniversite öğrencileri içindir, bu nedenle olasılık hakkında bilgi edinmek istiyorsanız, bu kitabın yazılma şeklini kesinlikle beğeneceksiniz. Bu kitap, tüm temel kavramlar-kombinatorikler, olasılık kuralları, Bayes teoremi, beklenen değer, varyans, olasılık yoğunluğu, ortak dağılım, büyük sayılar kanunu, merkezi limit teoremi, korelasyon ve regresyonu kapsar.
2. Olasılığa Giriş
Yazar: J Laurie Snell ve Charles Miller Grinstead
Bu aynı zamanda temel olasılık kavramlarını kapsayan giriş seviyesi bir kitaptır. Önceki kitap gibi, bu kitap da üniversite öğrencileri için kapsamlı bir kitaptır. Olasılığı sıfırdan öğrenmek istiyorsanız, bu kitap en iyi seçimdir ve bu alana hiç karışmamış insanları hedeflemektedir.
3. Olasılık Teorisine Giriş ve Uygulamaları
Yazar: William Feller
Kapakta açıklandığı gibi, bu kitap olasılık teorisinin teorik ve pratik uygulamalarına yönelik bir rehberdir. Olasılık hakkında daha fazla bilgi edinmek istiyorsanız, bu kitabı okumanızı şiddetle tavsiye ederim. Bu kitap, içeriği çok kapsamlı olduğu için yeni başlayanlar için uygun olmayabilir. Olasılığı sadece veri bilimi alanında ilerlemek için çalışırsanız, önerilen iki kitabı okuyabilirsiniz.
1. Yüz Sayfalık Makine Öğrenimi Kitabı
Eser sahibi: Andriy Burkov
Andriy Burkov birçok karmaşık içeriği 100'den fazla sayfada açıkça tanıttı. Bu kitap çok iyi yazılmış ve anlaşılması kolay, kanaat önderi Peter Norvig bile tavsiye etti. İster yeni başlayan biri olun, ister halihazırda bir temeli olan biri olun, her veri bilimcisi bu kitabı okumalıdır.
2. Makine Öğrenimi
Yazar: Tom Mitchell
Tüm tanıtımlardan önce, Tom Mitchell'in makine öğrenimi hakkındaki kitabı, çeşitli tekniklerin ve algoritmaların arkasındaki matematiği anlamak için başvurulan bir metindir. Bu kitabı okumadan önce matematik çalışmanızı öneririm. Ancak, bu kavramları anlamak için yapay zeka veya istatistik konusunda herhangi bir geçmişe ihtiyacınız yoktur.
3. İstatistiksel Öğrenmenin Unsurları
Yazarlar: Trevor Hastie, Robert Tibshirani ve Jerome Friedman
Bu kitap, Hastie ve Tibsharani tarafından yazılan çok klasik. İstatistiksel Öğrenmeye Giriş kitabının halefidir. Bu kitabın bazı örtüşmeleri olsa da, bu kitabın içeriği daha ileri düzeydedir, özellikle makine öğrenimi algoritmaları, sinir ağları, matris çarpanlara ayırma ve spektral kümeleme gibi konularda.
1. Derin Öğrenme
Yazar: Ian Goodfellow, Yoshua Bengio ve Aaron Courville
Derin Öğrenme kitabı, yeni başlayanlar için en iyi kaynak olarak kabul edilmektedir. Üç bölüme ayrılmıştır: uygulamalı matematik ve makine öğrenimi temeli, modern pratik derin öğrenme çerçevesi ve derin öğrenme araştırması. Derin öğrenme topluluğunda en çok alıntı yapılan kitaptır. Yatağınızın yanında tutun ve sık sık okuyun - bu kitap, derin öğrenme yolculuğunuza başladığınızda okumaya değer.
2. Python ile Derin Öğrenme
Yazar: Francois Chollet
Derin öğrenmeyi (veya makine öğrenimini) öğrenmenin çok güzel bir yolu teori yoluyla programlama yapmaktır.Bu, Python ile Derin Öğrenme kitabında Francois Chollet tarafından izlenen yöntemdir. Kavramlar, popüler Keras kütüphanesi aracılığıyla açıklanmaktadır.Francois, Keras'ın yaratıcısıdır, peki size bu konuyu daha iyi kim öğretebilir? Francois'i Twitter'da takip etmeniz önerilir - ondan çok şey öğrenebiliriz.
3. Sinir Ağları ve Derin Öğrenme
Yazar: Michael Nielsen
Bu, derin öğrenme-sinir ağlarını destekleyen temel bileşeni anlamayı amaçlayan ücretsiz bir çevrimiçi kitaptır. Pratik bir öğretim yöntemi sağlar ve derin öğrenme konularını yeni başlayanların bakış açısından inceler. Bu kitapta herhangi bir programlama dili öğrenmeyeceksiniz - bu, sinir ağlarının arkasındaki gizli içgörüler üzerine eski bir ders kitabı.
1. Python ile Doğal Dil İşleme
Yazar: Steven Bird, Ewan Klein ve Edward Loper
Başlangıçta sahip olmadığınız Python kavramlarını alacak ve doğal dil işleme dünyasına göz atmak için NLTK kitaplığını (Doğal Dil Araç Seti) kullanacaksınız. Doğal dil işlemeyi öğrenmek için tek kaynağınız olmasa da, konuya oldukça iyi bir giriş sağlar.
2. İstatistiksel Doğal Dil İşlemenin Temelleri
Yazar: Christopher Manning ve Hinrich Schutze
Bu kitap yaklaşık yirmi yıl önce yayınlandı, ancak içeriği çok klasik. Metin sınıflandırması, konuşma parçası etiketleme, olasılık analizi ve diğer çeşitli şeyler gibi doğal dil işleme alt alanlarına yönelik kapsamlı bir kılavuzdur. Yazar, matematiğin ve dil temelinin titiz bir tanımını yaptı. Bu kitabın içeriği çok detaylı.
3. Konuşma ve Dil İşleme
Yazar: Daniel Jurafsky ve James H. Martin
Bu kitabın odak noktası, doğal dil ve konuşma kapsamında pratik uygulama ve bilimsel değerlendirmedir. Bu kitabı okumak temel olarak ufkunuzu genişletmek içindir, ayrıca konuşma tanımaya da bakabilirsiniz. Bu, her gün çok sayıda uygulamanın ortaya çıktığı, şu anda patlayan bir araştırma alanıdır. Jurafsky ve Martin, doğal dil işleme ve hesaplamalı dilbilim üzerine derinlemesine bir çalışma yazdı.
1. Bilgisayarla Görme: Algoritmalar ve Uygulamalar
Yazar: Richard Szeliski
Bu kitap, özellikle görüntüleri analiz etmek ve yorumlamak için kullanılanlar olmak üzere bazı yaygın bilgisayarla görme teknolojilerini tanıtır. Bu kitap dokuz yıldır yayınlanıyor, ancak Richard Szeliski'nin gösterdiği örnekler ve yöntemler bugün de geçerlidir. Bu, temel görsel zorlukları çözmek için bilimsel yöntemler kullanan kapsamlı bir metindir.
2. Python ile Computer Vision Programlama
Yazar: Jan Erik Solem
Bu harika kitabı incelemeden önce, veri setini, kod not defterini indirmek ve belirtilen GitHub deposunu kopyalamak için lütfen web sitesini ziyaret edin. Bilgisayar vizyonu tanıtımları için harika arkadaşlardır. Yazarın belirttiği gibi, "Python'u kullandığınızda, nesne tanıma, 3B yeniden yapılandırma, stereo görüntüleme, artırılmış gerçeklik ve diğer bilgisayarla görme uygulamalarını öğreneceksiniz."
3. Bilgisayarla Görü: Modeller, Öğrenme ve Çıkarım
Yazar: Dr Simon J.D. Prince
Bu kitap bize olasılık kavramını en başından tanıtıyor ve oradan genişletiyor. Burada tanıtılan çerçevelerin bazılarının daha gelişmiş sürümleri yayınlanmış olsa da, bu kitap hala mevcut arka planla ilgilidir. Bu kitap 70'den fazla algoritmayı tanıttı ve 350'den fazla resimle güzel bir şekilde tamamlandı.
1. Yapay Zeka: Modern Bir Yaklaşım
Yazar: Stuart Russell ve Peter Norvig
Bu kitap Stuart Russell ve Peter Norvig tarafından yazılmıştır. Bu kitap, yapay zeka öğrenimi alanında çok etkilidir. 100'den fazla ülkede 1.300'den fazla üniversite bu kitabı müfredatlarına dahil etti. Bu kitap çok derinlemesine, 1.100'den fazla sayfayla ve yapay zeka alanındaki içerik de çok zengin, dil tanıma, otomatik sürüş, makine çevirisi, görsel öğrenme ve diğer içerikler dahil. Bu kitap, yapay zekanın kutsal kitabı olarak kabul edilebilir.
2. İnsanlar İçin Yapay Zeka
Yazar: Jeff Heaton
Yapay zekanın arkasındaki temel algoritmalar nelerdir? Bu kitap 222 sayfada birçok derinlemesine tekniği araştırıyor. Bu, yapay zekanın (boyut, mesafe ölçümü, kümeleme, hata hesaplama, dağ tırmanışı, Nelder Mead ve doğrusal regresyon) arkasındaki teknolojiler üzerine bir kitap serisinin ilk cildidir. Kitapta alıntılanan örneklerle birlikte bir site ve kodu içeren bir GitHub deposu da vardır.
3. Ana Algoritma
Yazar: Pedro Domingos
Yapay zeka ile ilgili teknik kitaplar okumak istiyorsanız bu kitap en iyi seçenek değil. Bununla birlikte, makine öğreniminin işletmeyi, siyaseti, bilimi ve savaşı nasıl yeniden şekillendirebileceğine dair harika bir metindir. Bu, yapay zekanın mevcut konumunu ve sonunda insanların yerini alabileceği alanları ve tüm bilgileri verilerden çıkarabilecek tek bir algoritma (veya "ana algoritma") bulup bulmayacağımızı tanıtan düşünceli ve düşündürücü bir kitaptır. .
1. Fluent Python: Açık, Kısa ve Etkili Programlama
Eser sahibi: Luciano Ramalho
Programlama kitaplarından bekleyebileceğiniz gibi, bu, Python'un nasıl çalıştığını ve güzel ve etkili Python kodunun nasıl yazılacağını anlamanıza yardımcı olabilecek bir kılavuzdur. Luciano Ramalho, bazı veri bilimi projelerinde çok faydalı olan çok faydalı kaynak kitaplıklarını da listeledi. Bu kitap 794 sayfadan oluşuyor ve çok bilgilendirici.
2. Python Programlama: Güçlü Nesne Tabanlı Programlama
Yazar: Mark Lutz
Bu, Python hakkında başka bir kitap. Yukarıdaki kitabın size Python hakkında her şeyi öğrettiğini düşünüyorsanız, lütfen iki kez düşünün. Bu çok büyük bir programlama dili ve hala ele alınacak çok şey var. Luciano Ramalho'nun Fluent Python: Clear, Concise ve Effective Programming kitabında tanıttığı temel bilgilere hakim olduktan sonra, bu kitapta Mark Lutz tarafından sunulan içeriğe göz atabilirsiniz. Çeşitli konularda derinlemesine eğitimler vardır: çok sayıda örnek dahil olmak üzere veritabanı, ağ, metin işleme, GUI vb. Kısacası, bu program meraklıları için okunması gereken bir şey.
3. Veri Bilimi için Python'da Uzmanlaşma
Eser sahibi: Samir Madhavan
Şimdiye kadar, Python üzerinde çalıştığımız iki kitap, dile programlama perspektifinden baktı. Şimdi bunu veri bilimi perspektifinden öğrenme zamanı. Hangi veri bilimi kütüphaneleri yaygın olarak kullanılıyor ve nasıl kullanılıyor? Python'da veri görselleştirme ve madencilik modelleri nasıl oluşturulur? Modeller oluşturmak için gelişmiş veri bilimi / makine öğrenimi teknikleri nasıl yazılır? Samir Madhavan bu ve daha fazla soruyu bu kitapta yanıtlıyor.
R kitaplar1. Veri Bilimi için R
Yazar: Garrett Grolemund ve Hadley Wickham
R programlamasını duyan herkes Hadley Wickham'ın çalışmalarına hayran kalacak. R dili uygulaması benzersizdir. Bu kitapta, farklı veri türlerini R'ye, farklı veri yapılarına nasıl aktaracağınızı ve verileri nasıl dönüştüreceğinizi, görselleştireceğinizi ve modelleyeceğinizi öğreneceksiniz. Bu, R kodlama yoluyla veri bilimini öğrenmek için mükemmel bir kitap.
2. Herkes için R
Yazar: Jared P. Lander
Bu kitap herkes için olduğunu iddia ediyor ve içeriğinden de doğru. Teknik veya istatistiksel geçmişiniz yoksa bu kitap harika bir kaynaktır.
3. R Yemek Kitabı
Yazar: Paul Teetor
Bu kitap, ortaya çıkan veri bilimi okuma listesi için harika bir seçimdir. R'deki verileri analiz etmeye ve değiştirmeye başlamanıza yardımcı olacak 200'den fazla pratik yöntem içerir. Her yöntem farklı sorulara bakacaktır. Yeni başlayanlar, orta düzey kullanıcılar ve ileri düzey uygulayıcılar için uygundur. İster yeni programlama becerileri öğrenmek ister konseptlerinizi yenilemek olsun, bu kitap herkes içindir.
Aşağıdaki şekil, yukarıdaki tüm kitapların girişini göstermektedir.
