Ich lerne von Mustererkennung und maschinellem Lernen, Chris Bishop. Irgendwelche guten Ressourcen?

15

Gibt es Videos oder andere Bücher / Notizen, die nach der Mustererkennung und dem maschinellen Lernen von Chris Bishop aufgetaucht sind? Ich habe dieses Buch gekauft, um maschinelles Lernen zu lernen, und habe einige Probleme, es durchzuhalten.

FrankTheFrank
quelle
3
Suchen Sie nach vorhandenen Threads, die mit dem Referenz- Tag gekennzeichnet sind.
Richard Hardy
2
FWIW, ich denke, die Frage ist genauso aktuell wie jede andere Referenzanfrage. Ich denke tatsächlich, dass es spezifischer ist als die meisten anderen, weil diese Frage speziell nach Materialien fragt, die einem Lehrbuch folgen, und nicht nur nach maschinellem Lernen im Allgemeinen.
Sycorax sagt Reinstate Monica

Antworten:

14

Bischof ist ein tolles Buch. Ich hoffe, diese Vorschläge helfen Ihnen bei Ihrem Studium:

  • Der Autor selbst hat einige Folien für die Kapitel 1 , 2 , 3 und 8 sowie viele Lösungen veröffentlicht .
  • Eine Lesegruppe bei INRIA hat ihre eigenen Folien zu jedem Kapitel veröffentlicht.
  • João Pedro Neto hat hier einige Notizen und Arbeiten in R veröffentlicht . (Scrollen Sie nach unten zu "Bishop's Pattern Recognition and ML")
  • Viele Einführungskurse in maschinelles Lernen verwenden Bishop als Lehrbuch. Googeln gibt ein paar verschiedene; Schauen Sie sich um, welche Themen und Schwerpunkte Sie bevorzugen.
AG
quelle
6

Ich würde Ihnen diese Ressourcen empfehlen:

  1. Tom Mitchell: Carnegie Mellon University
  2. (Nur für beaufsichtigtes Lernen und nach dem Vorbild des Bischofs) Mustererkennung: Indian Institute of Science (Ich persönlich mag diesen Kurs, da ich ihn besucht habe, aber für diesen Kurs müssen Sie die Wahrscheinlichkeitstheorie kennen.)

Beide Kurse sind mathematikorientiert, denn ein leichterer Kurs zum maschinellen Lernen wäre "Maschinelles Lernen" von Udacity

Upperwal
quelle
2

https://www.cs.toronto.edu/~rsalakhu/STA4273_2015/

Dieser Kurs folgt genau einem Teil von Bishop's. Es hat Vorlesungsvideos mit sich.

Siwon Yoo
quelle
4
Willkommen auf der Seite. Derzeit ist dies eher ein Kommentar als eine Antwort. Sie können es erweitern, indem Sie unter dem Link eine Zusammenfassung der Informationen angeben, oder wir können es in einen Kommentar für Sie umwandeln.
gung - Wiedereinsetzung von Monica
1

Ich denke, ein oft übersehenes Buch ist Informationstheorie, Inferenz und Lernalgorithmen von David MacKay .

Es folgt dem allgemeinen Rahmen von PRML, da die Autoren (zumindest aus meiner Sicht) eine ähnliche Perspektive zu haben scheinen. Abhängig von Ihrem Hintergrund - ob Sie Konzepte wie Informationstheorie / Codierung / KL-Divergenz mögen oder nicht - finden Sie dieses Buch möglicherweise äußerst aufschlussreich.

idnavid
quelle
1

Jupyter-Notizbücher mit Python-Implementierungen und Scikit-Learn-Verwendung bei PRML

Don Slowik
quelle