Bücher zu Machine learning für deutschesprachler?
Hi ich habe Programmier Erfahrung und auch Grundlagen in Mathe, ich will jetzt gerne mich mit Büchern an machine learning wagen.
Bücher deshalb weil ich damit am besten lernen kann.
Englischsprachige Bücher sind meist die besseren, aber nicht immer gut verständlich , trotz sehr guter englisch Kenntnisse..
Welche Bücher sind für deutschsprachige gut zu verstehen?
1 Antwort
Aber davon abgesehen, Machine Learning kommt originär aus dem englischsprachigen Raum, quasi die gesamte Literatur und insbesondere die neuesten Entwicklungen sind nur in Englisch verfügbar. Also wirst du über kurz oder lang englisch lernen müssen.
Das Buch ist explizit für Anfänger gedacht.
Aber ich muss ehrlicherweise sagen, dass dein Vorgehen nicht so sinnvoll ist. ML lernt man nicht durch Bücher lesen. Darin findest du nur eine grobe Idee davon sowie wahrscheinlich seitenweise mathematische Herleitungen und Statistik, aber das wird dir in der Praxis so gut wie gar nicht helfen.
Stattdessen macht es Sinn sich direkt praktische Beispiele anzuschauen und selbst in Python oder R (oder workbook) auszuprobieren. Es gibt einige Lernplattformen z.B. edX, Datacamp, Udemy, LinkedIn wo du teilw. kostenfrei Lehrgänge von Harvard, MIT und co absolvieren kannst. Das hilft dir deutlich weiter als Bücher lesen meiner Meinung nach.
Dem würde ich entschieden widersprechen :D
Einerseits sollte man die theoretischen Grundlagen kennen, um eine fundiertere Erwartung daran zu haben, was bestimmte Modelle können und was nicht. Das ist auch relevant, wenn die eigene "Praxis" nur das stumpfe Anwenden existierender Modelle ist. Man kann Hyperparameter wesentlich sinnvoller wählen, wenn man grob weiß, was sie machen.
Sobald es aber darum geht, selbst neue Modelle zu entwickeln, sind die mathematischen Herleitungen der bestehenden Modelle quasi unabdingbar. Und für jemanden, der sich für die Theorie dahinter interessiert, könnte eben genau das die tatsächliche Praxis darstellen.
Ich sage nicht, dass Theorie und Grundlagen sinnlos sind, aber es ist für den Einstieg einfach zu trocken und nicht besonderes zielführend. Probieren geht über studieren, gibt nicht umsonst diesen Spruch.
davon abgesehen lässt sich die Theorie auch gut im Anschluss gezielt einfügen wenn man erstmal die Vorgehensweise verstanden hat.
du sprichst hier schon von Parameter Tuning und eigene Modelle entwickeln lol!! Bevor man in die Königsklasse einsteigt sollte man vorher mal zumindest ein kleines Modell gebaut haben um die Schritte zu kennen.
nebenbei gesagt ist 80% der data science Arbeit die Beschaffung und Vorbereitung der Daten. Das restliche bisschen Analyse und Methodik machen zumeist fertige packages. Und hier muss man sicher nicht jedes Detail eines gradient boost Algorithmus oder entropie Berechnung oder Optimierung verstehen. So ein Murks kann auch nur aus dem Technik Entwicklungsland Deutschland kommen.
Ich habe das Buch "mathematics for machine learning" von Cambridge University press ausgeliehen. Das wurde oft empfohlen. - Ist das kein guter Einstieg?
Dort heißt es zu Beginn sogar : mathe auf high School Niveau sei ausreichend , man solle Vektoren und auch Integralrechnung schon gehabt haben als grobe Orientierung.
boah weiß nicht um was es da genau gehen wird. Wenn ich an neuronale Netze denke, dann musst du auf jedenfall matrix vektor multiplikation kennen und wsl noch kettenregel. Aber ich denke neuronale netze sind aktuell genau das spannende. aber da kannst du paar videos auf youtube schauen dann hat sich das
Ja englisch kann ich ausreichend.
Meine ersten Versuche an Büchern waren natürlich auch englische.
Ist dieses Buch von dir denn wirklich gut?...
Habe schon gelesen, dass man ohnehin mehrere Bücher brauchen wird da der themenkomplex so groß ist.
Ich suche darum ...einen Überblick.
Ein Buch das Konzepte anreißt.
Darauf aufbauend dann Bücher die in die Tiefe gehen - davon auch natürlich 2,3 mehr.