A autoeducação é talvez um dos caminhos e processos mais difíceis para um adulto. Com tantas distrações ao redor, é difícil seguir em frente (especialmente se a motivação não for clara). Mas a autoeducação como evolução é parte integrante da vida de qualquer profissional ou de qualquer pessoa que queira se tornar um. Nesse caso, os livros podem virar o mesmo tiro que mata dois coelhos com uma cajadada só, vocês dois crescem como especialistas e não “caem da vida”. O autor do material selecionou 7 e-books gratuitos para ajudá-lo a aprender Data Science e ML.
1. Aprendizado profundo
Por Ian Goodfellow, Joshua Bengio e Aaron Courville.
Deep Learning foi publicado pela primeira vez em 2016. Foi um dos primeiros livros dedicados ao aprendizado profundo. O livro foi escrito por uma equipe de pesquisadores renomados que estavam na vanguarda do desenvolvimento na época. Este trabalho no campo das redes neurais continua influente e respeitado. O trabalho apresentado é um tratado teórico sobre aprendizado profundo, desde conceitos básicos até ideias modernas, como redes gerativas complexas e a aplicação de aprendizado de máquina em negócios e além. Este livro é uma explicação detalhada e matemática do campo da ciência. Se você deseja obter um amplo conhecimento básico dos elementos mais avançados desse campo, este livro é para você.
2. Mergulhe no aprendizado profundo
Por Aston Zhang, Zach K. Lipton, Moo Li, Alex J. Resin
Dive Into Deep Learning é um livro interativo de aprendizado profundo com código, matemática e comentários. Ele mostra implementações em NumPy, MXNet, PyTorch e TensorFlow. Os autores são funcionários da Amazon que usam a biblioteca Amazon MXNet para ensinar aprendizado profundo. O livro é atualizado regularmente, portanto, certifique-se de ler a revisão mais recente.
Zachary Lipton no livro:
Dive into Deep Learning (D2K) ? , . ( ) ( , , ). : , , , . , . , .
3. Machine Learning Yearning
Autor: Andrew Eun.
Este livro foi escrito por Andrew Ng, professor da Universidade de Stanford e pioneiro da educação online. Andrew é um dos fundadores do Coursera e do deeplearning.ai .
O Machine Learning Yearning ensina como fazer os algoritmos de aprendizado de máquina funcionarem, mas não os algoritmos em si. Ele identifica as áreas mais promissoras para o projeto de IA. Este livro é uma jóia para ajudá-lo a resolver problemas práticos, como diagnosticar erros em sistemas de aprendizado de máquina. Ela irá ensiná-lo a aplicar o aprendizado de ponta a ponta, transferir aprendizado, aprendizado multitarefa e muito mais.
4. Aprendizado de máquina interpretável
Autor: Christoph Molnar.
Este livro não é tecnicamente gratuito. É vendido com base no pagamento conforme desejar.
O Aprendizado de Máquina Interpretável se concentra em modelos de aprendizado de máquina para dados tabulares (também chamados de dados relacionais ou estruturados) e dá menos ênfase à visão computacional e às tarefas de processamento de linguagem natural. Este livro é recomendado para especialistas em aprendizado de máquina, cientistas de dados, estatísticos e qualquer pessoa interessada em interpretar modelos de aprendizado de máquina. Ele detalha como selecionar e aplicar as melhores técnicas de interpretação de aprendizado de máquina em seu projeto.
5. Métodos Bayesianos para Hackers
Postado por Cameron Davidson.
Métodos Bayesianos para Hackers O livro enfoca uma área importante da ciência de dados chamada inferência Bayesiana . Métodos Bayesianos para Hackers são projetados como uma introdução à inferência Bayesiana em termos de compreensão primeiro, computação e matemática depois. O livro é dirigido a entusiastas que não têm uma formação matemática séria, mas que praticam métodos bayesianos. Para essas pessoas, este texto deve ser interessante o suficiente. Este livro também é um ótimo recurso para aprender PyMC, uma linguagem de programação Python probabilística.
6. Python Data Science Handbook
Postado por Jake Vanderplace.
O Python Data Science Handbook é voltado para jovens cientistas de dados. Ele mostra como trabalhar com as ferramentas mais importantes, incluindo IPython, NumPy, Pandas, Matplotlib, Scikit-Learn e muitos mais. Este livro é ideal para resolver tarefas do dia a dia, como limpar, manipular e transformar dados, bem como criar modelos de aprendizado de máquina.
7. Uma introdução à aprendizagem estatística
Por Gareth James, Daniela Witten, Trevor Hasti e Robert Tibshirani.
Uma introdução ao aprendizado estatístico é uma introdução aos métodos de aprendizado estatístico. O livro é destinado a alunos seniores, mestres e alunos de pós-graduação em ciências não matemáticas. Ele contém vários laboratórios em R com explicações detalhadas sobre como implementar vários métodos em ambientes do mundo real. Este texto deve ser um recurso valioso para o profissional de dados.
Você pode obter uma profissão exigida do zero ou Subir de nível em habilidades e salário fazendo cursos online SkillFactory:
- Treinando a profissão de Ciência de Dados do zero (12 meses)
- Data Science Online Bootcamp (14 semanas)
- Curso de aprendizado de máquina (12 semanas)
- « Machine Learning Data Science» (20 )
- «Machine Learning Pro + Deep Learning» (20 )
E
- - Data Analytics (5 )
- (18 )
- (6 )
- DevOps (12 )
- - (8 )
- «Python -» (9 )
- iOS- (12 )
- Android- (18 )
- Java- (18 )
- JavaScript (12 )
- UX- (9 )
- Web- (7 )
