Los mejores libros de aprendizaje automático para todos los niveles de habilidad

Habiendo revisado recientemente el curso en línea Machine Learning Machine Learning A-Z: Hands-On Python & R En Data Science, decidí cambiar mi enfoque a un m...

Prefacio

Después de revisar recientemente el curso en línea Machine Learning Machine Learning of the A to Z: Practical Python and R in Data Science, decidí cambiar mi enfoque a un método de aprendizaje más convencional, es decir, libros. En este artículo, he enumerado los libros de Machine Learning más populares y los he clasificado según varios criterios.

Dónde conseguirlos

Una vez que hemos decidido optar por un libro de Machine Learning, hay varias fuentes donde podemos obtenerlos. Dependiendo de la preferencia personal, los lectores pueden optar por una copia física de un libro o un libro electrónico que se puede leer usando varios dispositivos electrónicos. Un paso más allá de los libros electrónicos, muchos libros en estos días están disponibles en formato de audio para que simplemente los escuchemos. Los libros pueden tomarse prestados por un período determinado de bibliotecas, conocidos, etc., o comprarse en tiendas locales o en línea.

Algunas de las tiendas en línea más populares donde se pueden comprar libros son:

Amazonas: Como todos sabemos, Amazon ofrece una gran colección de libros para que compremos, incluidos libros de tapa dura, de bolsillo, nuevos y usados. Los precios y la duración del envío ofrecidos están a la par con otros libreros. Amazon también promueve ediciones Kindle para la mayoría de los libros a precios más bajos. Recientemente, el gigante editorial Medios O'Reilly anunció que utilizará el marco de comercio electrónico de Amazon para vender libros en línea y ganó\ ’t estar utilizando su propio sitio web para ese propósito.

libros de Google: Poniéndose al día después de Amazon, el gigante de las búsquedas Google ofrece su propio portal para ordenar libros en línea. Si bien su mecanismo de envío no es tan sencillo como el de Amazon, vale la pena visitar el portal de Google Books antes de realizar un pedido, ya que a veces se ofrecen mejores ofertas.

ebay: Si bien la colección de libros en eBay no es tan grande como la de Amazon, el proceso de licitación para libros usados ​​puede terminar consiguiendo un libro a un precio atractivo.

Publicación de paquetes: Ofrecen una gran cantidad de ebooks lanzados recientemente a un precio de 10 USD. La mayoría de sus libros también están disponibles en Amazon.

Publicaciones de Manning: Una función interesante que ofrece Manning es "liveBooks", donde el lector en línea ofrece características interesantes como buscar entre los libros que 'pueblo.

Para este artículo, exploré una gran cantidad de libros disponibles en estas fuentes y obtuve la lista de los siguientes libros de ML que creo que deben leer. Dependiendo de los requisitos del lector, se pueden elegir libros específicos.

Nota: Los precios indicados con cada libro son vigentes en el momento de escribir este artículo y están sujetos a cambios.

Libro mejor pagado

Python Machine Learning By Example: la forma más fácil de ingresar al aprendizaje automático

Autora: Yuxi (Hayden) Liu
Precio: $49.99
Valoración de Amazon: 5/5
Calificación de Goodreads: 4/5

Lo que lo hace el mejor: como sugiere el nombre, el libro adopta un enfoque práctico mientras explica los conceptos de Machine Learning a los lectores. El libro también ayuda al lector con los conceptos de Python, lo que le permite implementar su conocimiento utilizando el amplio conjunto de bibliotecas que ofrecen los marcos de trabajo de Python. Cubre muchos conceptos de ML, como el análisis exploratorio de datos, el preprocesamiento de datos, la extracción de características, la visualización y agrupación de datos, la clasificación, la regresión y la evaluación del rendimiento del modelo.

El autor Yuxi involucra a los lectores en varios ejercicios y los ayuda en cada paso para implementar algunos de los modelos ML importantes.

En general, el libro ofrece una cobertura más amplia, así como una comprensión profunda del aprendizaje automático como campo. Las excelentes reseñas de los lectores y las calificaciones de los usuarios prueban este hecho. Y lo mejor de todo, tiene un precio razonable en comparación con otros libros prácticos de ML.

Mejor libro gratuito

##aprendizaje##

Autores: Shai Shalev-Shwartz y Shai Ben-David
Calificación de Goodreads: 4.1/5

Lo que lo hace el mejor: la belleza de este libro está en su enfoque único en la construcción de los fundamentos y el cambio sin problemas a las aplicaciones de los conceptos teóricos. Explica en detalle cómo transformar las ecuaciones matemáticas en algoritmos ML efectivos, como descenso de gradiente estocástico, redes neuronales y aprendizaje de salida estructurado.

Si bien la copia física del libro solo está disponible para su compra, Cambridge University Press permite que la versión en PDF se descargue de forma gratuita para uso personal.

Mejor libro para principiantes

Aprendizaje automático para principiantes absolutos

Autor: Oliver Theobald
Precio: $13.50
Valoración de Amazon: 4,5/5
Calificación de Goodreads: 4/5

Lo que lo hace el mejor: como el público objetivo del libro son principiantes absolutos, considera que los lectores no tienen conocimientos técnicos previos y hace todo lo posible para explicar la terminología en un lenguaje sencillo. El uso de muchos diagramas ayuda a los lectores a comprender mejor los conceptos.

Cubre una buena cantidad de conceptos de ML con algunos flujos adicionales relacionados, como Big Data y Data Analytics. Si bien cubre los conceptos esenciales de ML como la regresión, los algoritmos SVM y los árboles de decisión, así como conceptos avanzados como el aprendizaje profundo y las redes neuronales; también tiene apéndices que se enfocan en recomendaciones adicionales y carreras de ML para personas interesadas.

Mejor libro para lectores avanzados

Aprendizaje automático práctico con Scikit-Learn y TensorFlow: conceptos, herramientas y técnicas para crear sistemas inteligentes

Autor: Aurélien Géron
Precio: $38.20
Valoración de Amazon: 4,4/5
Calificaciones de Goodreads: 4.5/5

Lo que lo hace el mejor: Dirigido a lectores avanzados, el libro tiene una teoría mínima y se enfoca principalmente en los aspectos de codificación de los modelos ML utilizando los marcos sólidos de Python, a saber, Scikit-Learn y TensorFlow. Scikit-Learn es un marco probado y fácilmente disponible que permite a los usuarios implementar algoritmos de ML de manera eficiente.

El autor Aurélien, ex Googler y experto en ML, tiene un buen dominio de los marcos y se muestra en el libro. Especialmente mientras cubre TensorFlow, una biblioteca compleja que se utiliza principalmente para lograr cálculos matemáticos a gran escala, su atención al detalle demuestra que es un gurú en el tema. ¡Este es un libro imprescindible para profesionales avanzados que intentan resolver problemas complejos de ML y lograr objetivos escalables en el campo!

Otros libros pagos

Aprendizaje automático de Python: aprendizaje automático y aprendizaje profundo con Python, Scikit-Learn y TensorFlow

Autor: Sebastian Raschka y Vahid Mirjalili Precio: $35.99
Valoración de Amazon: 4,3/5
Buenas lecturas: 4.3/5

El libro comienza con los fundamentos de ML y luego cambia a la implementación del mismo usando Python. Lo que me gusta de este libro es que los autores, Sebastian Raschka y Vahid Mirjalili, lo han hecho completo, cubriendo las amplitudes de ML, Deep Learning, TensorFlow. Dado que el medio de implementación es Python, los lectores también se familiarizarán con Python. Cubrir tantos temas en un solo libro es toda una hazaña y ciertamente diría que los autores han hecho todo lo posible para hacerlo.

Otro aspecto importante del libro son las mejores prácticas que se siguen en la industria para realizar una tarea. Por lo tanto, los lectores no solo aprenden los conceptos, sino que también estarán preparados para aplicar conceptos y prácticas de ML en sus respectivos campos.

Aprendizaje automático: una perspectiva probabilística

Autor: Kevin P. Murphy
Precio: $99.20
Valoración de Amazon: 4/5
Calificación de Goodreads: 4.4/5

Como sugiere el nombre, el libro ofrece un enfoque probabilístico hacia el aprendizaje automático. Cubre temas como probabilidad, optimización, álgebra lineal y se enfoca en desarrollos recientes en el campo, incluyendo a saber. campos aleatorios condicionales, regularización L1 y aprendizaje profundo. El lenguaje utilizado en este libro es sencillo e incluye pseudocódigo para la implementación de los algoritmos de ML. La mayoría de los modelos se implementan en Probabilistic Modeling Toolkit, un paquete de software de MATLAB que está disponible gratuitamente.

Como requisito previo, se espera que los lectores tengan conocimientos previos de conceptos matemáticos de nivel universitario para comprender mejor los contenidos.

Aprendizaje automático

Autor: Tom M. Mitchell
Precio: $41.37
Valoración de Amazon: 4/5
Calificación de Goodreads: 4/5

El autor Tom Mitchell cubre los conceptos básicos de ML de manera detallada en este libro, junto con resúmenes de algoritmos de ML. Una característica de este libro que se destaca son los estudios de casos, que arrojan luz sobre los conceptos que se tratan en el libro. El libro es excelente para estudiantes graduados de nivel introductorio y superior con aspectos académicos que incluyen temas de ML.

Otros libros gratuitos

Aprendizaje automático (una perspectiva algorítmica)

Autor: Stephen Marsland
Calificación de Goodreads: 3.6/5

Dirigido a estudiantes universitarios dispuestos a aprender ML, este libro incluye muchas implementaciones de NumPy para modelos ML, que están disponibles en el libro' sitio web Los conjuntos de datos de muestra también se proporcionan para que los lectores jueguen. El libro y el código asociado están disponibles gratuitamente para su descarga con la debida atribución.

Redes Neuronales y Aprendizaje Profundo

Autor: Michael Nielsen
Calificación de Goodreads: 4.5/5

Dirigido a los profesionales avanzados de ML, este libro cubre los próximos pasos después del aprendizaje automático, a saber, las redes neuronales y el aprendizaje profundo. Las redes neuronales son básicamente paradigmas de programación que permiten a las máquinas tomar decisiones basadas en observaciones de datos. El aprendizaje profundo cubre las técnicas para diseñar redes neuronales.

El autor explica en detalle los conceptos con sus aplicaciones, como reconocimiento de imagen, reconocimiento de voz y procesamiento natural del lenguaje. El libro se mantiene en un portal web ya que se actualiza continuamente.

Aprendizaje automático y grandes datos

Autor: Kareem Alkaseer

Siguiendo un enfoque bastante poco convencional, Kareem mantiene este libro en línea por sí mismo, lo que le permite mantenerlo actualizado. Intenta equilibrar la teoría y la implementación para que los lectores implementen modelos de aprendizaje automático por sí mismos sin depender demasiado de las bibliotecas. Es un pensamiento interesante y honesto, que ayuda a los lectores a evitar las bibliotecas complejas y echar un vistazo debajo del capó para comprender mejor los conceptos.

Otro hecho que destaca del libro es su uso de diferentes lenguajes de programación para resolver un problema en cuestión. Si bien la mayoría de los libros de ML se centran en Python, este libro también tiene implementaciones en C++, Java y Scala. Muy pocas personas conocen las bibliotecas C y C++ como dlib y Emoción para aprendizaje automático, redes neuronales y aprendizaje profundo, al que se expondrá en este libro.

Razonamiento bayesiano y aprendizaje automático

Autor: David Barber
Calificación de Goodreads: 4/5

Un clásico del autor David Barber, este libro cubre algunos antecedentes antes del surgimiento del aprendizaje automático. Se necesita un enfoque de estadísticas bayesianas para el aprendizaje automático, que es uno de los conceptos más antiguos y conocidos en el campo.

Otros libros para principiantes

Introducción al aprendizaje automático con Python: una guía para científicos de datos

Autores: Andreas C. Müller, Sarah Guido
Precio: $24.18
Calificación de Amazon: 4.1/5
Calificación de Goodreads: 4.3/5

Debido a su amplio conjunto de bibliotecas, Python es una excelente opción para la implementación de modelos ML. Teniendo esto en cuenta, el libro ayuda a los lectores a comprender los conceptos de ML utilizando Python. La biblioteca Scikit-Aprender facilita el diseño rápido de modelos eficientes, adoptando un enfoque práctico para el aprendizaje automático. Los lectores que ya estén familiarizados con las bibliotecas NumPy y matplotlib obtendrán mucho más del libro.

Además, el libro comienza con la introducción de los conceptos matemáticos necesarios, como la probabilidad, la optimización y el álgebra lineal, lo que allana el camino para los conceptos de ML por venir.

Introducción al aprendizaje automático

Autor: Ethem Alpaydın
Precio: $15
Valoración de Amazon: 3,3/5
Calificación de Goodreads: 3.7/5

Si bien las calificaciones no se ven tan bien como las de otros libros para principiantes, descubrí que no hacen justicia al contenido. El libro es completo y cubre una variedad de temas que no se tratan en otros libros introductorios. Cubre una gran variedad de conceptos como estadísticas, reconocimiento de patrones, redes neuronales, inteligencia artificial, procesamiento de señales y minería de datos, para presentar un tratamiento unificado de los problemas de aprendizaje automático. ¡Un enfoque bastante interesante para presentar a los lectores el mundo de ML!

Otros libros para lectores avanzados

Reconocimiento de patrones y aprendizaje automático

Autor: Christopher M. Bishop
Precio: $90.20
Calificación de Amazon: 4.1/5
Calificación de Goodreads: 4.2/5

Posiblemente la opción más popular para profesionales avanzados, el libro habla sobre la aplicación de ML para el reconocimiento de patrones. Si bien no espera un conocimiento previo de ML, se supone que los lectores conocen el cálculo multivariado y el álgebra lineal básica. Además, la familiaridad con la teoría de la probabilidad sería útil pero no esencial, ya que se trata en las secciones introductorias del libro.

Anhelo de aprendizaje automático

Autor: Andrew Ng
Calificación de Goodreads: 4.5/5

Escrito por el gurú de ML Andrew Ng, el libro está diseñado para que los profesionales aprendan conceptos avanzados de ML rápidamente. Completamente técnico, este libro ayuda a los profesionales a comprender los conceptos y tomar mejores decisiones mientras construyen proyectos de ML.

Resumen

Si bien hay muchos libros sobre aprendizaje automático, he tratado de categorizar y resumir los mejores según su disponibilidad y público objetivo. Espero que el artículo ayude a los estudiantes a elegir el libro adecuado para sus necesidades.

Otras recomendaciones {#otras recomendaciones}

Si lo tuyo son los libros, no dejes de echar un vistazo a estos:

Si te estás preparando para una gran entrevista, también te sugiero que leas algunos consejos que te ayudarán a mejorar tus posibilidades de conseguir el trabajo:

O si está interesado en leer artículos sobre algunos de los lenguajes de programación más solicitados y populares del mundo actual, consulte nuestro Nodo, python o Java artículos.