Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-03-10

1 <p>Если вас интересует Deep Learning и погружение в мир нейронных сетей, предлагаем вам ознакомиться с подборкой книг, которую мы подготовили. Собраны относительно новые книги - почти все из них<strong>написаны не позже 2018 года</strong>(кроме самой первой из списка). Вы найдёте работы таких авторов, как Николенко, Бурков, Гудфеллоу и многих других. Есть издания и на русском, и на английском языках.</p>

2 <h2>"Глубокое обучение" - Я. Гудфеллоу, И, Бенджио, А. Курвилль, 2017 г.</h2>

3 <p>Эту книгу называют одной из лучших из богатой современной библиотеки по глубокому обучению. Хоть она и написана сложным техническим языком, её осилит и новичок - настолько понятно и интересно подаётся материал. Здесь есть всё, начиная с математических основ, заканчивая методами DL, нейронными сетями, алгоритмами оптимизации, биоинформатикой и т. п.</p>

4 <h2>"Глубокое обучение на Python" - Ф. Шолле, 2018 г.</h2>

5 <p>Книга представляет собой учебник по Deep Learning-моделям в контексте применения Python и известной библиотеки Keras. Написана, кстати, создателем Keras. С помощью этой книги вы: - укрепите свои знания по соответствующим технологиям; - исследуете непростые концепции; - поработаете с приложениями из сферы компьютерного зрения, генеративных моделей, обработки естественного языка; - получите практические навыки использования DL.</p>

6 <h2>"Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow" - Жерон О., 2018 г.</h2>

7 <p>Если почти ничего не знаете о машинном обучении, эта книга для вас. Автор поставил себе задачу предоставить вам основные концепции, инструменты и знания, нужные для реализации программ, которые будут способны учиться на данных. Вы ознакомитесь со множеством методов, включая ту же линейную регрессию.</p>

8 <p>Из плюсов - будете использовать уже готовые к работе Python-платформы (Scikit-Learn, TensorFlow). Таким образом, изобретать велосипеды не придётся.</p>

9 <h2>"Grokking Deep Learning" - Траск Э., 2019 г.</h2>

10 <p>Вы испытаете все прелести погружения в мир нейронных сетей, ведь эта книга научит вас делать это с нуля. Ознакомитесь с устройством технологии глубокого изучения изнутри, узнаете, как учатся нейросети, как они распознают и анализируют изображения, переводят тексты и пишут, как Шекспир. Очень полезная вещь, особенно для тех, кто знаком с программированием и разбирается в математике. Скучно не будет.</p>

11 <h2>"The Hundred-Page Machine Learning Book" - Бурков А., 2019 г.</h2>

12 <p>Введение в ML от эксперта мирового уровня. Книга позволит начать реальную работу с машинным обучением в течение всего нескольких дней, для чего потребуется прочитать хотя бы первые 5 глав. Вы сэкономите время и быстро перейдёте к практике.</p>

13 <h2>"Deep Reinforcement Learning Hands-On" - Лапань М., 2018 г.</h2>

14 <p>Популярная вещь, посвящённая глубокому обучению. По сути, это исчерпывающее руководство, включающее в себя наиболее новые Deep learning-инструменты. Вы сможете оценивать методы, освоите перекрестную энтропию, научитесь применять знания в реальных условиях. Также овладеете основами обучения с подкреплением, создадите робота для акционной торговли, сможете использовать естественный язык в целях развития чат-ботов и прочее. Круто!</p>

15 <h2>Сергей Николенко, А. Кадурин, Екатерина Архангельская - "Глубокое обучение. Погружение в мир нейронных сетей" - Николенко, С., Кадурин А., Архангельская Е., 2018 г.</h2>

16 <p>Русских книг по глубокому обучению выходит немного, но эта, за авторством Николенко и других специалистов - одна из них. Отличное руководство для начинающих, которые искренне желают разобраться в нейросетях.</p>

17 <h2>"The Book of Why" - Перл Д., 2018 г.</h2>

18 <p>Книга о сути искусственного и человеческого интеллекта, написанная известным учёным. Здесь развеиваются стереотипы о причинно-следственных связях и не только. Позволяет понять всю ширину человеческого мышления.</p>

19 <h2>"Introduction to Deep Learning" - Сканси С., 2018 г.</h2>

20 <p>Кратко, просто, легко и доступно - прекрасное введение в ML. Здесь очень простые примеры для начинающих, что не может не радовать (даны на Python). А архитектурные решения и используемые алгоритмы интуитивно понятны практически любому новичку. Вы узнаете и про обучение нейросетей, и про обработку языка, и про нейросети с обратной связью, и про математические предпосылки и историю ИИ.</p>

21 <h2>"Machine Learning Yearning" - Ын Э., 2018 г.</h2>

22 <p>Как заставить работать ML-алгоритмы? Именно об этом вы узнаете в книге. А ещё рассмотрите расстановку приоритетов, диагностику ошибок, обучающие тестовые режимы, настройку проектов, особенности применения сквозного, трансферного и многозадачного обучения.</p>

23 <h2>"Interpretable Machine Learning" - Молнар К., 2019 г.</h2>

24 <p>Материал посвящён простым и интерпретируемым моделям. Прочитав эту книгу, вы поймёте, как сделать, чтобы модели, как и их решения, были понятны. Вы узнаете про деревья решений, про правила принятия решений, про правила линейной регрессии. Хорошо объясняются и методы интерпретации.</p>

25 <p>Особенность материала - ориентированность на практиков (учёных-статистиков). Издание будет полезно и другим специалистам, которые стремятся создавать максимально понятные модели машинного обучения.</p>

26 <p><em>Интересует Machine Learning? Запишитесь на<a>профессиональные курсы OTUS</a>! Также есть популярный курс по нейросетям:</em></p>