Список полезных книг по анализу данных, математике, Data Science и Machine Learning

Они будут полезны как новичкам, так и профессионалам. Для удобства можете читать здесь или использовать удобный google docs, в нем книги разбиты по столбцам и категориям.

Конечно, весь список книг неполный. Поэтому добавляйте в комментарии свои полезные ссылки на крутые книги, самые топовые из них я добавлю в список.

Машинное обучение— тем, кто только начинает, пригодятся главы с первой по пятую: там описаны процессы подготовки и исследования данных, моделирование и оценка моделей. Дальше практика. Плюс продвинутые темы: проектирование признаков и оптимизация.
Математические основы машинного обучения и прогнозирования— тем, кто хочет познакомиться с основами современной теории машинного обучения и теории игр с предсказаниями.
Верховный алгоритм— автор знакомит читателей с пятью основными школами машинного обучения и показывает, как они используют идеи из нейробиологии, эволюционной биологии, физики и статистики, чтобы создавать алгоритмы, помогающие людям.
The Elements of Statistical Learning. Data Mining, Inference and Prediction— эта книга представляет собой попытку объединить многие важные новые идеи в обучении и объяснить их в статистической структуре.
Machine Learning, Neural and Statistical Classification— современный обзор различных подходов к машинному обучению.
Introduction to machine learning— эта книга не является практическим пособием или сборником теоретических доказательств. Это — промежуточное звено между теорией и практикой.
Машинное обучение— Наука и искусство построения алгоритмов, которые извлекают знания из данных. Один из самых интересных учебников по машинному обучению. Автор рассказывает о методах построения моделей и алгоритмов.
Обучение с подкреплением— книга не о машинном обучение, а об одном из способов изучения. Обучение с подкреплением это метод, в ходе которого человек обучается, взаимодействуя с некоторой средой.
Bayesian Reasoning and Machine Learning— книга для более профессионального уровня. Информация последовательно распределена по ходу всей книги от легкого к сложному.
Neural Network Design— в книге вы найдете ясный и подробный обзор основных типов архитектуры нейросетей, узнаете все о методах и правилах их обучения, а также о применении на практике.
Deep Learning— книга рассказывает о глубоком обучении — о том, как иерархия понятий позволяет искусственному интеллекту изучать сложные концепции, строя их из более простых.
Neural Networks: A Systematic Introduction— все законы и модели, объединенные в общую теорию нейронных сетей.
Pattern Recognition and Machine Learning (Information Science and Statistics)— первый учебник по распознаванию образов, в основе которого лежит Байесовский подход. Предварительных знаний о распознавании образов не требуется, зато пригодится представление о многомерном анализе и основы линейной алгебры.
Make Your Own Neural Network— очень годное и в то же время очень простое для понимание руководство по нейросетям. К концу книги вы научитесь программировать на Python и сможете создать собственную нейросеть.
Mahout in Action— Mahout — это java-библиотека, и в книге есть куча примеров, как ее можно использовать для решения реальных задач.
Машинное обучение— наука и искусство построения алгоритмов, которые извлекают знания из данных. В книге описан широкий круг логических, геометрических и статистических моделей, затрагиваются и такие находящиеся на переднем крае науки темы, как матричная факторизация и анализ РХП.
Python для сложных задач. Наука о данных и машинное обучение— книга «Python для сложных задач: наука о данных и машинное обучение» – это подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая интенсивная обработка данных, научные исследования и передовые разработки.
Глубокое обучение— описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей и др.
Глубокое обучение. Погружение в мир нейронных сетей— максимум объяснений, минимум кода, серьезный материал о машинном обучении и увлекательное изложение.
Машинное обучение с использованием библиотеки Н2О— эта книга научит вас использовать алгоритмы машинного обучения, реализованные в Н2О, с упором на наиболее важные для продуктивной работы аспекты.
Крупномасштабное машинное обучение вместе с Python— В книге описаны масштабируемое обучение в Scikit-learn, нейронные сети и глубокое обучение с использованием Theano, H2O и TensorFlow.
Введение в статистическое обучение с примерами на языке R— книга представляет собой доступно изложенное введение в статистическое обучение – незаменимый набор инструментов, позволяющих извлечь полезную информацию из больших и сложных наборов данных, которые начали возникать в последние 20 лет в таких областях, как биология, экономика, маркетинг, физика и др.
Теоретический минимум по Big Data. Всё что нужно знать о больших данных— неважно, кто вы – деловой человек, работающий с аналитикой, начинающий программист или разработчик, «Теоретический минимум по Big Data» позволит не утонуть в бушующем океане современных технологий и разобраться в основах новой и стремительно развивающейся отрасли обработки больших данных.
Библиотека Keras – инструмент глубокого обучения— реализация нейронных сетей с помощью библиотек Theano и TensorFlow. Книга представляет собой краткое, но обстоятельное введение в современные нейронные сети, искусственный интеллект и технологии глубокого обучения.
Изучаем Spark. Молниеносный анализ данных— с помощью Spark вы сможете манипулировать огромными объемами данных посредством простого API на Python, Java и Scala.
Машинное обучение и TensorFlow— от обзора концепций машинного обучения и принципов работы с TensorFlow вы перейдете к базовым алгоритмам, изучите нейронные сети и сможете самостоятельно решать задачи классификации, кластеризации, регрессии и прогнозирования.
Глубокое обучение на Python— в данной книге о глубоком обучении рассказывает Франсуа Шолле, который создал Keras — самую мощную библиотеку для работы с нейронными сетями.
Построение систем машинного обучения на языке Python— книга начинается с краткого введения в предмет машинного обучения и знакомства с библиотеками NumPy, SciPy, scikit-learn.
Прагматичный ИИ. Машинное обучение и облачные технологии— тщательно изучив эту незаменимую книгу от Ноя Гифта, легендарного эксперта по языку Python, вы легко научитесь писать облачные приложения с использованием средств искусственного интеллекта и машинного обучения, решать реалистичные задачи из таких востребованных и актуальных областей, как спортивный маркетинг, управление проектами, ценообразование, сделки с недвижимостью.
Глубокое обучение на R— книга написана для людей с опытом программирования на R, желающих быстро познакомиться с глубоким обучением на практике.
Вероятностное программирование на практике— книга представляет собой введение в вероятностное программирование для программистов-практиков.
Программирование искусственного интеллекта в приложениях— данная книга посвящена вопросам искусственного интеллекта (ИИ), то есть методам и технологиям, призванным сделать ПО более умным и полезным.
Искусственный интеллект и универсальное мышление— книга содержит доступное введение в обширную и сложную область искусственного интеллекта.
Распознавание образов и машинное восприятие— в книге подробно рассмотрен принцип минимальной длины описания, являющийся следствием теоретико-информационного подхода к построению моделей и выбору гипотез.
Использование искусственного интеллекта – реальность и перспективы— в последнее время все чаще говорят о внедрении в различные сферы человеческой деятельности нейронных сетей, систем искусственного интеллекта, машинного обучения.
Python и анализ данных— книгу можно рассматривать как современное практическое введение в разработку научных приложений на Python, ориентированных на обработку данных.
Дискретная математика для программистов— книга будет полезна студентам, изучающим курс дискретной математики, а также всем желающим проникнуть в технику написания и проверки корректности алгоритмов, включая программистов-практиков.
Введение в теорию алгоритмов и структур данных— в курсе дается краткое изложение классических способов построения и анализа алгоритмов.
Анализ данных и машинное обучение на платформе MS SQL Server— в учебном пособии рассматриваются современные технологии анализа данных и машинного обучения и их реализация на платформе MS SQL Server.
Data Science. Наука о данных с нуля— книга позволяет изучить науку о данных (Data Science) и применить полученные знания на практике. Она написана так, что способствует погружению в Data Science аналитика, фактически не обладающего глубокими знаниями в этой прикладной дисциплине.
Data Science. Инсайдерская информация для новичков. Включая язык R— эта книга основана на вводном курсе по Data Science из Колумбийского университета, и начинающему специалисту-аналитику она совершенно необходима.
Data Science For Dummies— data Science For Dummies is the perfect starting point for IT professionals and students who want a quick primer on all areas of the expansive data science space.
Аналитика и Data Science— когда люди не инженерных специальностей слышат аналитика и Data Science, то представляют разное. Кто-то видит таблицы и графики. Кто-то неподъёмно сложные математические формулы. Кто-то программирование и искусственный интеллект. Но истоки этих понятий из области статистики, которая делится на описательную и аналитическую.
Databases in DMS of Microsoft Access: methodical handbook on computer science— the educational and methodical manual is a complex set of tasks for the development of databases, as well as a set of tasks for independent work and control questions.
Аналитическая культура. От сбора данных до бизнес-результатов— это практическое пошаговое руководство по внедрению в вашей организации управления на основе данных. Карл Андерсон, директор по аналитике в компании Warby Parker, провел интервью с ведущими аналитиками и учеными и собрал кейсы, которые и легли в основу данной книги.
A Brief Introduction to Machine Learning for Engineers — краткое введение в машинное обучение для инженеров.
A Brief Introduction to Neural Networks — краткое введение в нейронные сети.
A Course in Machine Learning — курс по машинному обучению
A First Encounter with Machine Learning— первое знакомство с машинным обучением
An Introduction to Statistical Learning— введение в статистическое обучение
Bayesian Reasoning and Machine Learning— байесовское рассуждение и машинное обучение
Deep Learning— глубокое обучение
Gaussian Processes for Machine Learning— гауссовские процессы для машинного обучения
Information Theory, Inference, and Learning Algorithms— теория информации, логический вывод и алгоритмы обучения
Introduction to Machine Learning— введение в машинное обучение
Learn Tensorflow — изучение Tensorflow
Learning Deep Architectures for AI— изучение глубокой архитектуры для ИИ
Machine Learning, Neural and Statistical Classification — машинное обучение, нейронная и статистическая классификация
Neural Networks and Deep Learning— нейронные сети и глубокое обучение
Probabilistic Models in the Study of Language— вероятностные модели в изучении языка (Черновик с кодом R)
Reinforcement Learning: An Introduction (Draft)— усиление обучения: введение (проект)
Speech and Language Processing (3rd Edition Draft)— обработка речи и языка (3-е издание)
The Elements of Statistical Learning— Элементы статистического обучения
The LION Way: Machine Learning plus Intelligent Optimization— LION: машинное обучение и интеллектуальная оптимизация
Создаем нейронную сеть— эта книга представляет собой введение в теорию и практику создания нейронных сетей. Она предназначена для тех, кто хочет узнать, что такое нейронные сети, где они применяются и как самому создать такую сеть, не имея опыта работы в данной области.
Искусственный интеллект. Современный подход— помимо сугубо теоретической части, представлено множество примеров алгоритмов, версии которых, реализованные на различных языках программирования, можно найти на сопровождающем книгу интернет-ресурсе.
Искусственный интеллект. Стратегии и методы решения сложных проблем— данная книга посвящена одной из наиболее перспективных и привлекательных областей развития научного знания — методологии искусственного интеллекта.
Нейронные сети. Полный курс — в книге рассматриваются основные парадигмы искусственных нейронных сетей. Представленный материал содержит строгое математическое обоснование всех нейросетевых парадигм, иллюстрируется примерами, описанием компьютерных экспериментов, содержит множество практических задач.
Введение в анализ данных. Учебник и практикум— в данном учебнике, подготовленном на основе большого международного опыта исследований и преподавания, излагаются основные методы анализа данных, относящихся прежде всего к одному или двум изучаемым признакам.
Анализ данных. Учебник— рассмотрены основные методы систематизации, обработки и анализа статистических данных, включающие описательные методы анализа данных, особенности и основные понятия вероятностно-статистического подхода к анализу данных.
Прикладные методы анализа данных и знаний— в книге отражены оригинальные результаты, полученные автором и его сотрудниками. Большая часть приведенных в ней алгоритмов давно и широко применяется при решении прикладных задач из области геологии, медицины, экономики, океанологии, речевой технологии и многих других.
Анализ данных и регрессия— в книге исследуются проблемы границ применимости статистических методов к анализу реального мира, проблемы качества статистических выводов — что в них существенно и что несущественно.
R в действии. Анализ и визуализация данных на языке R— «R в действии» — это руководство по обучению этому языку с особым вниманием к практическим задачам. В данной книге представлены полезные примеры статистической обработки данных и описаны изящные методы работы с запутанными и неполными данными, а также с данными, распределение которых отлично от нормального и с которыми трудно справиться обычными методами.
Удовольствие от x.— увлекательная экскурсия в мир математики от одного из лучших преподавателей в мире. «Математика пронизывает все в этом мире, включая нас самих, но, к сожалению, мало кто понимает этот универсальный язык настолько хорошо, чтобы по достоинству оценить его мудрость и красоту.
Введение в современную математику. Начальные понятия— в книге систематически описываются начальные понятия математики "множество", "кортеж", "соответствие", "функция", "отношение".
Конкретная математика. Математические основы информатики— назначение данной книги — обеспечить читателя техникой оперирования с дискретными объектами, что совершенно необходимо для математиков, работающих в области информатики.
Математика без формул. Книга первая— в живой и доходчивой форме рассказывается о теоремах, аксиомах и определениях, множествах и отображениях, отношениях, последовательностях и рядах, функциях и их свойствах, дифференциальном и интегральном исчислении.
Математика без формул. Книга вторая— сведения о функциональных рядах, линейном и метрическом пространствах, аффинных преобразованиях и группах преобразований, а также об элементах математической логики.
Азбука математического анализа. Беседы об основных понятиях. Учебное пособие— в настоящей книге рассматриваются основные понятия и определения математического анализа, изучаемого в средней школе: бесконечная числовая последовательность, предел последовательности, функция и предел функции, дифференцирование и дифференциальные уравнения, интегралы, производные и первообразные.
Лекции по высшей математике— книгу можно использовать как при прохождении курса в институте, так и при самообразовании, ее можно читать в том или ином объеме в зависимости от потребностей.
Что такое математика?— книга предназначена для школьников, студентов, преподавателей, а также для всех интересующихся развитием математики и ее структурой.
Основы математического анализа— «основы математического анализа» задуманы как учебник анализа для студентов первого и второго курсов математических отделений университетов.
Алгоритмы интеллектуального Интернета. Передовые методики сбора, анализа и обработки данных— эта книга о том, как построить алгоритмы, формирующие интеллектуальное ядро таких веб-приложений.
Математические методы обучения по прецедентам (теория обучения машин)— материал находится в стадии разработки, может содержать ошибки и неточности
«Распознавание образов: Введение в методы статистического обучения»— предлагаемая книга посвящена общим методам статистического обучения, в частности задаче распознавания. В ней предпринята попытка компактно и единообразно изложить основные современные универсальные методы распознавания и используемый в них математический аппарат.
Машинное обучение и анализ данных. Избранные статьи— настоящее издание представляет собой сборник избранных статей Яковлева Евгения Аркадьевича, экстраординарного специалиста в области информационных технологий, советника Российской Академии Естествознания, представленного к многочисленным наградам.
Apache Kafka. Потоковая обработка и анализ данных— при работе любого enterprise-приложения образуются данные: это файлы логов, метрики, информация об активности пользователей, исходящие сообщения и т.п.
Статистический анализ и визуализация данных с помощью R— книга адресована студентам, аспирантам, а также молодым и состоявшимся ученым, желающим освоить классические и современные методы анализа данных с использованием языка R.
Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP— книга является вторым, обновленным и дополненным, изданием учебного пособия «Методы и модели анализа данных: OLAP и Data Mining».
Интеллектуальный анализ данных и гипотеза о компактности классов— в работе рассматривается интеллектуальный анализ данных с использованием критериев оценки истинности гипотезы о компактности классов.
Метрический анализ и обработка данных— основная цель книги – ознакомить читателя с наиболее эффективными и апробированными классическими и новыми стохастическими и детерминированными методами оценки и прогнозирования, научить использовать эти методы при решении конкретных задач обработки данных.
Интеллектуальный анализ данных и выявление экстремистского контента— в данной книге приводится анализ наиболее распространенных методов и программных комплексов для выявления экстремистского контента, алгоритм для поиска подобного контента в тестовых документах.
Методы и алгоритмы анализа данных и их моделирование в MATLAB— рассматриваются модели, методы и алгоритмы анализа данных, используемые в современных системах обработки информации.
Анализ данных в экономике. Теория вероятностей, прикладная статистика, обработка и визуализация данных в Microsoft Excel. Учебник— содержит интегрированное изложение вероятностно-статистического фундамента анализа данных, его практической реализации в Microsoft Excel, а также примеров и задач, направленных на применение инструментария описательной и предсказательной аналитики в реальных ситуациях принятия решений в экономике, финансах, операционном менеджменте, маркетинге, управлении рисками, логистике и т.д.
Анализ данных на компьютере. Учебное пособие— в учебном пособии без лишнего формализма излагаются основные идеи и понятия математической статистики, необходимые на практике для анализа данных.
Статистические методы анализа данных. Учебник — в учебнике рассмотрены основные темы курса статистики, включенные в образовательный стандарт бакалавриата по направлению «Экономика».
Статистический анализ данных цифровой экономики в системе «Statistica». Учебно-практическое пособие— может быть использовано в качестве как учебника для будущих бакалавров, магистров, аспирантов и всех, кто занимается анализом статистической информации, так и практикума для осваивающих пакет STATISTICA.
Регрессионный анализ данных в пакете Mathcad— книга содержит основные теоретические положения по следующим разделам регрессионного анализа экспериментальных данных: регрессионные модели и регрессионное моделирование, парный и множественный регрессионный анализ, построение регрессионных моделей на практике.
Основы компьютерной математики с использованием системы MATLAB— в настоящем учебном пособии представлено описание методики изучения одного из важнейших разделов математики — «Линейная алгебра и аналитическая геометрия» — с использованием системы компьютерной математики MATLAB. В учебное пособие включено более 170 примеров и упражнений, около 200 индивидуальных заданий и более 100 контрольных вопросов.
Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными— эта полноцветная книга — отличный источник информации для каждого, кто собирается использовать машинное обучение на практике.
Алгоритмы. Справочник с примерами на C, C++, Java и Python— выбор подходящего алгоритма среди массы других, способных решить вашу задачу, — дело не из самых простых, и этому вы тоже научитесь в данной книге.
Глубокое обучение с точки зрения практика— эта книга не только содержит практически полезную информацию о предмете, но и поможет приступить к созданию эффективных сетей глубокого обучения.
Конвейер реального времени. Потоковая обработка данных— эта книга содержит все необходимое для понимания потоковой обработки. Эта насыщенная идеями книга научит вас думать об эффективном взаимодействии с быстрыми потоками данных. В ней выдержан идеальный баланс между широкой картиной и деталями реализации.
Элегантный SciPy — если вы — ученый, который программирует на Python, то это практическое руководство для вас! Оно не только познакомит вас с основополагающими компонентами библиотеки SciPy и другими связанными с ней библиотеками, но и даст вам ощущение красоты и удобочитаемости программного кода, который вы сможете применять на практике.
Секреты Python. 59 рекомендаций по написанию эффективного кода— опираясь на свой многолетний опыт создания инфраструктурных проектов для компании Google, автор раскрывает секреты малоизвестных аспектов и идиом Python, радикально влияющих на поведение и производительность кода.
Язык R в задачах науки о данных. Импорт, подготовка, обработка, визуализация и моделирование данных— эта книга задумана как введение в вычислительную среду R, среду разработки RStudio и библиотеку tidyverse — коллекцию пакетов, совместное использование которых обеспечивает быстроту и легкость анализа данных.
Numpy Beginner's Guide— Numpy Beginner's Guide (2nd Edition)
Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow— машинное обучение поглощает мир программного обеспечения. Освойте и работайте с передовыми технологиями машинного обучения, нейронных сетей и глубокого обучения с помощью 2-го издания бестселлера Себастьяна Рашки.
Построение систем машинного обучения на языке Python— книга рассчитана на программистов, пишущих на Python и желающих узнать о построении систем машинного обучения с помощью библиотек с открытым исходным кодом.
Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow. Концепции, инструменты и техники для создания интеллектуальных систем— эта книга — замечательное введение в теорию и практику решения задач с помощью нейронных сетей. Она охватывает ключевые моменты, необходимые для построения эффективных приложений, а также обеспечивает достаточную основу для понимания результатов новых исследований по мере их появления.
Введение в статистическое обучение с примерами на языке R— в этой книге описаны одни из наиболее важных методов моделирования и прогнозирования, а также примеры их практического применения.
Big Data простым языком— но насколько глубока кроличья нора? Каждому предстоит разобраться в этом самому. Эта книга поможет донести основные принципы проектирования и создания таких интерфейсов управления бизнесом, обществом и окружающим нас миром посредством Больших данных. Читайте, наслаждайтесь и помните: сожжение книг противозаконно.
Чистый Python. Тонкости программирования для профи— чтобы освоить Python, нужно не только понимать теоретические аспекты языка. Для достижения этой цели придется понять и принять общие правила и самые лучшие практические приемы, используемые сообществом. Книга Дэна поможет вам в этом путешествии.
Стандартная библиотека Python 3. Справочник с примерами — к книге имеются готовые примеры кода, предназначенного для работы с текстом, структурами данных, значениями даты и времени, файловой системой, процессами, потоками, электронной почтой, пакетами и другими ресурсами.

На этом наша короткая подборка подошла к концу. Если у вас есть, книги, которыми вы можете поделиться — добавляйте ссылки на них в комментарии, самые крутые я добавлю в список.

Не пропускать новые статьи и новостные дайджесты вам поможет Telegram-канал.

Всем знаний!

#машинноеобучение #искусственныйинтеллект