کتاب های پیشنهادی برای هوش مصنوعی

کتاب های هوش مصنوعی

کتاب های هوش مصنوعی،کتاب های بسیاری برای آموزش یادگیری ماشین منتشر شده‌اند که هر کدام رویکرد خاص خود را به این موضوع دارند. از زمان پیدایش یادگیری ماشین تا سالهای اخیر اکثر کتاب‌ها جنبه آکادمیک داشتند و بیشتر در صدد شفافسازی الگوریتم‌ها و آموزش ریاضیات و آمار مورد نیاز برای استفاده از روش‌ها بودند. پس از گسترش ابزارهای نرم افزاری یادگیری ماشین که به نوعی دید جعبه سیاه به الگوریتم‌های یادگیری ماشین داشتند، کتابهایی با هدف آموزش استفاده از این ابزارها منتشر شد و در آنها دیگر خبری از ریاضیات و آموزش مفاهیم پیشرفته نبود.

البته گاهی اوقات دانستن همه چیز برای شخص مهم نیست. به راننده‌ای فکر کنید که فقط می‌خواهد راندن ماشین را یاد بگیرد و طرز کار موتور برایش مهم نیست. یادگیری طرز کار الگوریتم‌ها همیشه لازم نیست و در تحقیقات دانشگاهی و یا امور تخصصی که کارایی و سرعت در آنها اهمیت دارد، ارزش بیشتری پیدا می‌کند.

در این قسمت سعی کردیم مهمترین کتب یادگیری ماشین را معرفی کنیم. کتابهایی برای افراد تازه‌وارد، برای دانشجویان، و برای افرادی که می‌خواهند دید عمیق‌تری به موضوع پیدا کنند.

بر روی هر کدام از اسم کتاب ها کلیک کنید به سایت هایی که فایل(pdf) یا فروش کتاب ها را دارند ارجاع داده خواهید شد

کتاب: Artificial Intelligence: A Modern Approach

نویسنده: Stuart Russell, Peter Norvig

سطح: ابتدایی

این کتاب مرجع آموزش هوش مصنوعی در بسیاری از دانشگاه های جهان است. اولین نسخه کتاب در سال ۱۹۹۴ به چاپ رسید و آخرین نسخه آن در سال ۲۰۲۰ منتشر شده است. کتاب با شروع مباحث مرتبط با هوشمندی شروع می‌شود و سعی می‌کند انواع روش‌ها و موضوعات مرتبط با هوش مصنوعی را مورد بررسی قرار دهد. در ویرایشهای جدید کتاب موضوعات یادگیری ماشین و یادگیری عمیق هم اضافه شده است. در این کتاب هم کدی وجود ندارد.

کتاب: Machine Learning for Dummies

نویسنده: John Paul Mueller

سطح: ابتدایی

همانطور که از اسم کتاب می‌توان حدس زد، کتاب برای افراد تازه وارد نوشته شده است. نویسندهٔ این کتاب کتابهای بسیاری در زمینه زبان‌های برنامه نویسی و مفاهیم مرتبط به رشته تحریر در آورده است. در این کتاب توضیحاتی برای آشنایی با هوش مصنوعی و پیش‌نیاز‌های یادگیری ماشین آمده است و آموزش تکنیک‌های یادگیری ماشین در سطح قابل قبولی ارائه شده است. همچنین بسیاری از الگوریتم‌ها دارای کد پایتون و R می‌باشند.

کتاب: Python for Data Analysis

نویسنده: Wes McKinney

سطح: ابتدایی

خالق کتابخانه pandas در این کتاب، مفاهیم و کتابخانه‌های لازم برای تبدیل‌شدن به یک تحلیل‌گر داده را گرد‌آوری کرده است. این کتاب رابطه مستقیمی با یادگیری ماشین ندارد اما می‌تواند با مثالهای فراوان که به زبان پایتون نوشته شده‌اند شما را در تبدیل شدن به یک دانشمند داده همراهی کند.

کتاب: Hands-On Machine Learning with Scikit-Learn and TensorFlow

نویسنده : Aurélien Géron

سطح: متوسط

این کتاب یکی از کتابهای یادگیری ماشین است که این روزها بسیار مورد توجه قرار گرفته و بازخورد بسیار مثبتی دریافت کرده است. در این کتاب جنبه عملی کار بسیار مورد توجه قرار گرفته اما ریاضیات و نحوه کار الگوریتم‌ها هم در سطح مناسبی تشریح شده است. این کتاب برای یادگیری و شروع به کار در شرکت‌ها بسیار مناسب است و دارای کدهای بسیاری که به زبان پایتون نوشته شده‌اند می‌باشد. آخرین ویرایش کتاب در سال 2019 به چاپ رسیده است.

کتاب: Reinforcement Learning: An Introduction

نویسنده: Andrew Barto and Richard S. Sutton

سطح: متوسط

اگر یادگیری تقویتی توجه‌تان را جلب کرده، این کتاب دریچه ورود شما به دنیای یادگیری تقویتی است. مهم‌ترین مباحث یادگیری تقویتی به شکلی مفهومی در این کتاب بسط داده شده است. البته این نکته را در نظر بگیرید که قدرت اصلی یادگیری تقویتی وقتی نمایان می‌شود که با یادگیری عمیق ترکیب می‌شود. پس برای استفاده کامل از امکانات یادگیری تقویتی، باید با یادگیری عمیق آشنا باشید.

کتاب: Data Science from Scratch: First Principles with Python

نویسنده:‌ Joel Grus

سطح: متوسط

اگر از آن دسته افرادی هستید که دوست دارند همه کد ها را خودشان بزنند و علاقه‌ای به کتابخانه‌ها ندارند، این کتاب انتخاب خیلی خوبی برای شماست. مفاهیم آماری لازم برای یادگیری ماشین همه از صفر در این کتاب توضیح و تبدیل به کد شده‌اند. همه کد‌ها به زبان پایتون است. الگوریتم‌ها پس از آموزش، بدون کتابخانه پیاده‌سازی شده‌اند.

کتاب: Pattern Recognition and Machine Learning

نویسنده: Christopher M. Bishop

سطح: پیشرفته

کتاب طراحی الگو و یادگیری ماشین آقای بیشاپ، یکی از مهمترین منابع یادگیری ماشین و طراحی الگو در دانشگاه‌های سراسر دنیا می‌باشد. آخرین ویرایش کتاب در سال ۲۰۱۸ انجام شده است. آقای بیشاپ، استاد دانشگاه ادینبورگ است و در مرکز تحقیقات مایکروسافت مشغول به کار است. از ویژگی‌های مثبت این کتاب می‌توان به جامع بودن و زبان روان در بیان پیچیده‌ترین مفاهیم یادگیری ماشین اشاره کرد. در این کتاب هیچ کدی وجود ندارد و تمرکز اصلی بر آموزش دقیق مفاهیم اصلی یادگیری ماشین است.

برای مطالعه مقاله ۱۰ پسوند فایل تصویری و زمان استفاده از آنها بر روی لینک کلیک کنید