El Machine Learning cada día se vuelve más relevante para las empresas, así que los profesionales IT, que se capaciten en ésta, tendrán buenas oportunidades laborales, así que no es sorpresa que comiencen a capacitarse en la tecnología.
Si eres un entusiasta de emprender nuevos retos, es un buen momento para adentrarse en el ML, aunque hay muchos lecturas en internet, los libros son una buena opción para aprender de Machine Learning. Aquí te compartimos una lista con algunos libros para ampliar tus conocimientos:
El libro ofrece consejos sobre cómo instalar R en plataformas Windows, Linux y macOS, crear matrices, interactuar con marcos de datos, trabajar con vectores, realizar tareas estadísticas básicas, operar con probabilidades, realizar validación cruzada, procesar y aprovechar datos, trabajar con lineal modelos, y la idea detrás de diferentes algoritmos.
El libro ofrece información sobre Python y R. Escrito por dos científicos de datos experimentados, el libro es una guía práctica para los conceptos clave sobre análisis de datos, minería de datos y ofrece información sobre cómo aprovechar algoritmos comunes.
Escrito de una manera fácil de comprender, el libro de ML está respaldado por reputados líderes de opinión, como el Director de Investigación de Google, Peter Norvig; y Sujeet Varakhedi, Jefe de Ingeniería de eBay.
El libro cubre temas que incluyen la anatomía de un algoritmo de aprendizaje, algoritmos fundamentales, redes neuronales y Deep Learning, otras formas de aprendizaje, y aprendizaje supervisado y aprendizaje no supervisado.
Enseña todo lo básico, desde aprender a descargar conjuntos de datos gratuitos hasta las herramientas y bibliotecas de ML que necesitarás. También se abordan temas como técnicas de depuración de datos, análisis de regresión, agrupamiento, conceptos básicos de redes neuronales, sesgo / varianza, árboles de decisión, etc.
Scott Chesterton, veterano de más de media docena de libros sobre Machine Learning, reúne los aspectos básicos del ML en este libro, como los marcos de aprendizaje automático populares que se utilizan, algoritmos de aprendizaje automático, sistemas de evaluación, minería de datos y otras aplicaciones comunes del aprendizaje automático.
El libro presenta comentarios sobre software ML como TensorFlow, Reptilian, Logstash, Elasticsearch, Instalación de Marvel, Bro, HDFS, HBASE, Syslog, SNMP, capa de mensajería y capa de procesamiento en tiempo real.
Esencialmente para principiantes, el libro cubre conceptos clave como preparación de datos, limpieza de conjuntos de datos, clasificación, prueba, inducción y deducción, preferencia inductiva, sobreajuste y subadaptación, y extracción de datos de texto. Los principiantes interesados en ML también podrán aprender algoritmos clave como Decision Tree, Apriori, DBSCAN, Knowledge Mapping, Linear Models, K-Nearest Neighbours, máquina de vectores de soporte (SVM, por sus siglas en inglés), FP-Growth y la nueva ola en redes neuronales y los populares algoritmos de redes neuronales convolucionales junto con sus aplicaciones prácticas.
Programming Collective Intelligence es menos una introducción a ML y más una guía para implementar ML. El libro detalla cómo crear algoritmos de ML eficientes para recopilar datos de aplicaciones, crear programas para acceder a datos de sitios web e inferir los datos recopilados. Cada capítulo presenta ejercicios para extender los algoritmos establecidos y mejorar aún más su eficiencia y efectividad.
Los temas tratados en este libro son el filtrado bayesian, las técnicas de filtrado colaborativo, la inteligencia evolutiva para la resolución de problemas, los métodos para detectar grupos o patrones, los algoritmos de motores de búsqueda, las máquinas de vectores de soporte y las formas de hacer predicciones.
Este libro te ayudará a comenzar con ML utilizando muchos estudios de casos prácticos en lugar de presentaciones aburridas de matemáticas. más común.
Machine Learning for Hackers se centra en problemas específicos en cada capítulo, como clasificación, predicción, optimización y recomendación. También le enseñará a analizar diferentes conjuntos de datos de muestra y escribir algoritmos ML simples en el lenguaje de programación R.
Todos los libros se encuentran en inglés, ya que es donde más se ha investigado en esta tecnología, así que también es una buena oportunidad para mejorar su inglés técnico.
imagen: Fabian Grohs
