Uczę się od rozpoznawania wzorców i uczenia maszynowego, Chris Bishop, masz jakieś dobre zasoby?

17

Czy są jakieś filmy lub inne książki / notatki, które spotkały się z następującymi wzorami: Rozpoznawanie wzorców i Uczenie maszynowe autorstwa Chrisa Bishopa? Kupiłem tę książkę, aby nauczyć się uczenia maszynowego i mam problemy z jej przejściem.

machine-learning references pattern-recognition

— FrankTheFrank
źródło

4

Poszukaj istniejących wątków oznaczonych tagiem referencji .

— Richard Hardy,

3

FWIW, myślę, że pytanie jest tak samo tematyczne jak każde inne żądanie referencyjne. Właściwie uważam, że jest bardziej szczegółowy niż większość, ponieważ w tym pytaniu chodzi konkretnie o materiały zgodne z podręcznikiem, a nie o ogólne uczenie maszynowe.

— Sycorax mówi Przywróć Monikę

15

Bishop to świetna książka. Mam nadzieję, że te sugestie pomogą w badaniu:

Sam autor opublikował kilka slajdów dla rozdziałów 1 , 2 , 3 i 8 , a także wiele rozwiązań .
Grupa czytelnicza w INRIA opublikowała własne slajdy obejmujące każdy rozdział.
João Pedro Neto opublikował kilka notatek i funkcjonowanie w R tutaj . (Przewiń w dół do miejsca, w którym jest napisane „Bishop's Pattern Recognition and ML”)
Wiele wstępnych kursów uczenia maszynowego wykorzystuje Bishopa jako podręcznik. Googling podaje kilka różnych; spójrz i zobacz, jakie tematy i tematy preferujesz.

— AG
źródło

6

Poleciłbym te zasoby:

Tom Mitchell: Uniwersytet Carnegie Mellon
(Tylko w przypadku nauki nadzorowanej i podążania za biskupem) Rozpoznawanie wzorców: Indian Institute of Science (Osobiście podoba mi się ten kurs, w którym uczestniczyłem, ale ten kurs wymaga znajomości teorii prawdopodobieństwa).

Oba kursy są zorientowane na matematykę, ponieważ lżejszym kursem uczenia maszynowego byłoby „Uczenie maszynowe” Udacity

— Upperwal
źródło

3

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

Ten kurs jest ściśle zgodny z częścią Bishopa. Zawiera filmy z wykładami.

— Siwon Yoo
źródło

4

Witamy na stronie. Obecnie jest to raczej komentarz niż odpowiedź. Możesz go rozwinąć, być może podając streszczenie informacji pod linkiem, lub możemy przekonwertować go na komentarz.

— gung - Przywróć Monikę

2

Myślę, że często pomijaną książką jest Teoria informacji, wnioskowanie i algorytmy uczenia autorstwa Davida MacKaya .

Jest zgodny z ogólnymi ramami PRML, ponieważ autorzy wydają się mieć podobną (przynajmniej moim zdaniem) perspektywę. W zależności od pochodzenia - niezależnie od tego, czy lubisz takie koncepcje, jak teoria informacji / kodowanie / dywergencja KL - ta książka może okazać się wyjątkowo otwarta.

— idnavid
źródło

2

notesy jupyter z implementacjami Pythona i wykorzystaniem scikit-learn w PRML

— Don Slowik
źródło