-
Петер Флах Машинное обучение источник, Оглавление и отрывки из глав
-
Джеймс Г., Уиттон Д., Хасти Т., Тибширани Р. Введение в статистическое обучение с примерами на языке R источник, Оглавление и отрывки из глав
-
Себастьян Рашка Python и машинное обучение источник
-
Хенрик Бринк, Джозеф Ричардс Машинное обучение источник
-
Хараламбос Марманис, Дмитрий Бабенко Алгоритмы интеллектуального Интернета. Передовые методики сбора, анализа и обработки данных источник
-
К. В. Воронцов. Математические методы обучения по прецедентам (теория обучения машин) источник
-
Мерков А.Б. Введение в методы статистического обучения источник
-
Аркадий Гелиг, Алексей Матвеев Введение в математическую теорию обучаемых распознающих систем и нейронных сетей. Учебное пособие источник
-
Мерков А.Б. Построение и обучение вероятностных моделей источник
-
Ричарт В., Коэльо П.Л. Построение систем машинного обучения на языке Python источник, Оглавление и отрывки из глав (тут больше практика по машинному обучению)
-
Вьюгин В. Математические основы машинного обучения и прогнозирования источник
-
Червоненкис А.Я. Теория обучения машин
-
Ричард С. Саттон, Эндрю Г. Барто Обучение с подкреплением источник
-
Андреас Мюллер, Сара Гвидо Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными источник
-
Дэви Силен, Арно Мейсман Основы Data Science и Big Data. Python и наука о данных источник
-
Лепский А.Е., Броневич А.Г. Математические методы распознавания образов: Курс лекций источник
-
В. И. Донской Алгоритмические модели обучения классификации:обоснование, сравнение, выбор источник
-
Местецкий Л.М. Математические методы распознавания образов Курс лекций источник
-
Кристофер Д. Маннинг, Прабхакар Рагхаван Введение в информационный поиск источник
-
Юре Лесковец, Ананд Раджараман Анализ больших наборов данных источник, оглавление и отрывки из глав
-
Шлезингер М.И. Десять лекций по статистическому и структурному распознаванию образов источник
-
Высшая школа экономики «Введение в машинное обучение» источник Coursera
-
Специализация Машинное обучение и анализ данных включающая себя 6 курсов : источник Coursera
-
Видеолекции курса «Машинное обучение» от Школы анализа данных Яндекса источник на яндексе или источник на ютубе
-
Специализация Анализ Данных от Stepik (часть курсов из этой специализации отображена тут)
-
Курс от Stepik Нейронные сети источник
-
Видеолекциии (13шт.) Введение в анализ данных источник Mail.ru
-
Видеолекциии (1 семестр) Data Minig источник Mail.ru
-
Видеолекциии (2 семестр) Data Minig источник Mail.ru
-
Computer Science Center Машинное обучение, часть 1 (осень 2016) источник ютуб
-
Computer Science Center Машинное обучение, часть 2 (весна 2017) источник ютуб
-
Data Mining in Action 10 лекций по ML источник ютуб
-
Компьютерные науки Тренировки Machine Learning источник ютуб здесь люди делятся своим реальным опытом в ML
-
Высшая школа экономики, курс Линейная алгебра источник Coursera
-
Лекториум Линейная алгебра и аналитическая геометрия источник ютуб
-
МФТИ, курс Теория вероятностей для начинающих источник Coursera
-
МФТИ, курс Математика для всех источник Coursera
-
Курс от Stepik Математическая статистика источник
-
Курс от Stepik Введение в дискретную математику источник
-
Курс от Stepik Ликбез по дискретной математике источник
-
Курс от Stepik Введение в математический анализ источник
-
Computer Science Center Анализ данных на R в примерах и задачах (весна 2016) источник ютуб
-
Computer Science Center Анализ данных на R в примерах и задачах, часть 2 (весна 2017) источник ютуб
-
Канал на ютубе Основы анализа данных источник
-
KhanAcademyRussian Теор. вероятн-ей и комбинаторика источник ютуб
-
Алгебра (133видео) источник KhanAcademyRussian
Прежде чем заниматься конкретно машинным обучением, рекомендую всё же ознакомится с книгами
-
С_тюарт Рассел, Питер Норвиг_ Искусственный интеллект. Современный подход источник
-
Джордж Ф. Люгер Искусственный интеллект. Стратегии и методы
решения сложных проблем источник
таким образом у вас сформируется более четкое понимание предметной области машинного обучения и сильно расширит ваш кругозор. Нейронные сети занимают важную позицию в машинном обучении, поэтому стоит ознакомится с книгой
- Саймон Хайкин Нейронные сети. Полный курс источник
Так же вы должны уметь производить предварительный анализ данных, что бы понять, какие методы машинного обучения можно применить к вашему набору данных или как его лучше подготовить, в этом вам помогут следующие книги:
-
Борис Миркин Введение в анализ данных. Учебник и практикум источник
-
Марина Архипова, Татьяна Дуброва Анализ данных. Учебник источник
-
Загоруйко Н.Г. Прикладные методы анализа данных и знаний источник
-
Мостеллер Ф., Тьюки Дж. Анализ данных и регрессия источник
-
Рубан А.И. Методы анализа данных
-
Уэс Маккинни Python и анализ данных источник (практика)
-
Роберт И. Кабаков R в действии. Анализ и визуализация данных на языке R источник (практика)
Вы должны знать хорошо математику (в особенности линейную алгебру), статистику, теорию вероятностей, дискретную математику. Я например неважно знаю математику и мне очень тяжело читать стандартные учебники, рассчитанные на то, что преподаватель сможет разжевать скупое описание формулы, поэтому для легкого порога вхождения рекомендую следующие книги (от основ и выше):
Стивен Х. Строгац Удовольствие от x. Увлекательная экскурсия в мир математики от одного из лучших преподавателей в мире источник
Юрий Шиханович Введение в современную математику. Начальные понятия источник
Рональд Л. Грэхем, Дональд Эрвин Кнут Конкретная математика. Математические основы информатики источник
Юрий Пухначев Математика без формул книга1, книга2
Риxард Курант, Герберт Роббинс Что такое математика? источник
Тарасов Л.В. Азбука математического анализа. Беседы об основных понятиях. Учебное пособие источник
Занимательная статистика. Манга. http://dmkpress.com/catalog/computer/statistics/978-5-94120-269-0
Занимательная статистика. Регрессионный анализ. Манга http://dmkpress.com/catalog/computer/statistics/978-5-97060-115-0
Занимательная математика. Производные
и интегралы. Манга http://dmkpress.com/catalog/manga/978-5-94120-228-7/
Занимательная статистика. Факторный анализ. Манга http://dmkpress.com/catalog/computer/statistics/978-5-97060-116-7
Потом уже можно браться за стандартный учебник математического анализа
- Фихтенгольц Г.М. Основы математического анализа. источник (это один из немногих классических учебников, где например хорошо разжевано понятие производной, поверьте, я многих сравнивал).
Статистика, теория вероятностей:
Гнеденко Б.В., Хинчин А.Я. Элементарное введение в теорию вероятностей источник
Сара Бослаф Статистика для всех источник
Чарльз Уилан Голая статистика. Самая интересная книга о самой скучной науке источник
Перечень будет дополнятся только если появится действительно стоящий курс или книга.