کتاب یادگیری ماشین – معرفی بهترین‌ها در سال ۲۰۲۳
برای تبدیل شدن به یک متخصص در حوزه‌ی یادگیری ماشین (Machine Learning)، ابتدا باید سعی کنید در سه زمینه‌ی کدنویسی، تئوری یادگیری ماشین و ریاضی پایه‌ای قوی کسب کنید. منابع و دوره‌های آموزشی زیادی برای یادگیری این مهارت‌ها وجود دارد. در میان این منابع، کتاب‌ها به جزئیات بیشتری می‌پردازند و به افراد این فرصت را می‌دهند که بتوانند با سرعت مناسبِ خودشان یاد بگیرند. یادگیری ماشین حوزه‌ای بسیار گسترده است، داشتن یک کتاب یادگیری ماشین خوب به این معنی است که هر زمان که نیاز داشته باشید می‌توانید چند فصل را برای مرور سریع مطالب ورق بزنید.
در ادامه این مطلب از کوئرا بلاگ، قصد داریم چند کتاب یادگیری ماشین را به شما معرفی کنیم که هم برای مبتدیان و هم برای افراد باتجربه‌تر منابعی عالی هستند. البته درست مانند آموزش آنلاین، برای استفاده حداکثری از این کتاب‌ها باید سعی کنید خودتان مثال‌ها و تمرین‌ها را پیاده‌سازی کنید.
سعی کرده‌ایم کتاب‌ها را به ترتیبی که باید مطالب را یاد بگیرید معرفی کنیم. با مقدمه‌ای بر پایتون شروع می‌کنیم، سپس یادگیری ماشین را به‌صورت عملی تمرین می‌کنیم و در نهایت به حل مسائل یادگیری ماشین می‌پردازیم. کتاب‌های این لیست (به غیر از کتاب آخر که تئوری‌محور است) حول زبان برنامه‌نویسی Python نوشته شده‌اند. Python یک ابزار عالی برای یادگیری ماشین و علم داده است که با کتابخانه‌های قدرتمند زیادی از جمله NumPy ،Pandas ،TensorFlow و Keras ارائه می‌شود.
اهمیت استفاده از کتاب‌های یادگیری ماشین چیست؟
امروزه اهمیت یادگیری ماشین به دلیل کاربردهای گسترده و حل بسیاری از چالش‌های دنیای واقعی، بر هیچکس پوشیده نیست. اما سوال این‌جاست که چرا به جای دیدن ویدیوهایی در یوتیوب یا دیدن یک دوره آموزش یادگیری ماشین باید به خواندن کتاب‌های مربوط به یادگیری ماشین بپردازیم؟
این سوال در مقیاس بزرگ‌تر این طور مطرح می‌شود که آیا دیدن ویدیو بهتر است یا خواندن کتاب؟ با روی کار آمدن شبکه‌های اجتماعی مختلف و غرق شدن هر چه بیشتر بشر در دنیای تکنولوژی، احتمالا خیلی از افراد دیدن ویدیو در یک زمینه را به خواندن کتابی در همان زمینه ترجیح دهند. احتمالا شما سری فیلم‌های هری‌پاتر را دیده باشید. این سریال یکی از محبوب‌ترین سریال‌های تاریخ سینما است و با داستان فوق‌العاده و جلوه‌های بصری بی‌نظیر خود طرفداران زیادی در سراسر جهان دارد.
این سری فیلم‌ها اقتباسی از کتابی با همین نام، اثر جی کی رولینگ (J K Rowling) هستند. اگر در کنار این سریال کتاب هری‌پاتر را هم خوانده باشید، احتمالا متوجه یک موضوع شده‌اید؛ عمق داستان در کتاب، بسیار بیشتر از سریال است. به طور مثال اگر نقش پروفسور اسنیپ را یک کوه در نظر بگیریم، در فیلم‌ها شما تنها قله این کوه را می‌بینید.
این مثال در تمامی موضوع‌ها قابل تعمیم است. دیدن ویدیوهای مربوط به ماشین لرنینگ، ممکن است به شما دید خوبی از مفاهیم موردنظرتان بدهد؛ اما به طور قطع دانشی که از خواندن یک کتاب خوب حاصل می‌شود عمیق‌تر و فراگیرتر است.
معرفی چند کتاب یادگیری ماشین
Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython
اولین کتاب یادگیری ماشین در این فهرست کتابی نیست که عمیقاً به یادگیری ماشین بپردازد. این کتاب، کتابخانه‌های اصلی پایتون برای علم داده و یادگیری ماشین مانند NumPy ،Pandas و Matplotlib را بررسی می‌کند. با مطالعه‌ی این کتاب مهارت‌های لازم برای دستکاری، پاکسازی و مصورسازی داده‌ها را به دست خواهید آورد. در پایان، شما حتی با سری‌های زمانی (time series) که اغلب به‌سختی می‌توان منبع خوبی برای آن پیدا کرد نیز آشنا خواهید شد.
بیشتر بخوانید: پایتون چیست؟ آشنایی با زبان برنامه‌نویسی Python
این کتاب شما را به یک مهندس یادگیری ماشین تبدیل نمی‌کند، اما مهارت‌های اساسی پایتون که با مطالعه‌ی این کتاب به دست می‌آورید بسیار ارزشمند خواهد بود. در کتاب‌های دیگرِ این لیست به‌تفصیل درمورد یادگیری ماشین صحبت شده است، اما فصل‌های مربوط به پایتون در آن‌ها کافی نیست. به همین دلیل این کتاب را به‌عنوان اولین کتاب معرفی کردیم تا بتوانید قبل از ورود عمیق‌تر به یادگیری ماشین دانش خود را در زمینه‌ی پایتون تقویت کنید.
لینک کتاب در طاقچه: Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython
Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow
در دومین کتاب یادگیری ماشین در این لیست، Géron به‌صورت مختصر و دقیق طیف گسترده‌ای از موضوعات یادگیری ماشین از جمله یادگیری نظارت‌شده (Supervised Learning)، یادگیری بدون نظارت (Unsupervised Learning)، یادگیری عمیق (Deep Learning) و حتی یادگیری تقویتی (Reinforcement Learning) را معرفی کرده است.
بیشتر بخوانید: یادگیری ماشین چیست؟
توضیحات این کتاب بسیار واضح و همراه با مثال‌های عملی فراوانی است که به شما این امکان را می‌دهد تا مهارت‌های یادگیری ماشین خود را به‌صورت عملی تمرین کرده و توسعه دهید. این کتاب با یک پروژه‌ی سرگرم‌کننده‌ی قیمت‌گذاری خانه در کالیفرنیا آغاز می‌شود و خواننده را بلافاصله و بدون درگیر کردن در نظریه‌ها و ریاضیات مجذوب خود می‌کند. در انتها نیز انبوهی از دانش تئوری از این حوزه را به خواننده منتقل می‌کند.
این کتاب را به‌عنوان دومین کتاب در این فهرست معرفی کرده‌ایم؛ زیرا استفاده از آن نیاز به دانش پایتون دارد. در این کتاب با استفاده از محبوب‌ترین کتابخانه‌های یادگیری ماشین پایتون (Scikit-Learn ،Tensorflow و Keras)، خواننده مهارت‌های ارزشمند و مورد تقاضا را به دست خواهد آورد. نویسنده همچنین راهنمایی‌های زیادی درمورد نحوه‌ی برخورد و تنظیم دقیق مسائل واقعی ارائه کرده است. در نهایت، نویسنده به بیان موضوعات و تکنیک‌های پیشرفته‌تری که ممکن است خواننده به آن‌ها علاقه‌مند باشد پرداخته است.
لینک کتاب در طاقچه: Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow
Machine Learning Yearning
کتاب یادگیری ماشین دیگر در این لیست Machine Learning Yearning نوشته‌ی Andrew Ng است. Andrew Ng در زمینه‌ی آموزش آنلاین یادگیری ماشین، فردی پیشرو شناخته می‌شود. او استاد دانشگاه استنفورد و هم‌بنیان‌گذار Coursera ،deeplearning.ai و Google Head است. بنابراین بدیهی است که محتوایی که از او دریافت می‌کنید ارزش وقت‌گذاشتن را دارد. Andrew Ng در این کتاب، دانش خود درمورد ساختار پروژه‌های یادگیری ماشین را به‌خوبی منتقل کرده است. او همچنین بهترین روش‌ها و تذکرات مربوط به مشکلات احتمالی را در اختیار خواننده قرار داده است. اگر قبلاً تجربه‌ی انجام پروژه‌های یادگیری ماشین را داشته باشید، مطالعه‌ی این کتاب برای شما مفیدتر است. با این وجود نیمه‌ی اول آن برای مبتدیان می‌تواند به همان اندازه مفید باشد. این کتاب یادگیری ماشینِ کوتاه، یک منبع ضروری برای مطالعه و سرشار از دانش، تجربه و راهنمایی یک فرد باتجربه در این حوزه است.
Deep Learning with Python
نویسنده‌ی این کتاب، François Chollet، خالق Keras است؛ یک کتابخانه‌ی یادگیری عمیق که توسط Google در کنار TensorFlow استفاده می‌شود. یکی از نکات این کتاب این است که Chollet بدون درگیر کردن خواننده در ریاضیات پیچیده، مفاهیم پیچیده را به شیوه‌ای بسیار شهودی توضیح می‌دهد. هر فصل از این کتاب مملو از مثال‌های عملی فراوان با توضیحات خط‌به‌خط و دقیق کدها است. با مطالعه‌ی این کتاب، مهارت یادگیری ماشین خود را هم در دانش تئوری و هم در زمینه‌ی یادگیری عمیق عملی ارتقا خواهید داد.
اگر دانش خوبی از پایتون و یادگیری ماشین دارید و دوست دارید بیشتر درمورد یادگیری عمیق بدانید، اگر مفاهیم توضیح‌داده‌شده در کد پایتون را به معادلات ریاضی ترجیح می‌دهید و اگر می‌خواهید به یادگیری عمیق و کتابخانه‌ی Keras مسلط شوید، این کتاب مناسب شما است.
لینک کتاب در ترب: Deep Learning with Python
Deep Learning
این کتابِ جامع که توسط سه متخصص نوشته شده است، درک شما از یادگیری عمیق را افزایش می‌دهد. این کتاب با پوشش دقیق و کامل مفاهیم ریاضی و تکنیک‌های یادگیری عمیق، یک منبع عالی برای دانشجویان، محققان و مهندسان نرم‌افزار به شمار می‌رود.
با وجود اینکه این کتاب بسیار جامع است، اما آن را در انتهای این لیست معرفی کرده‌ایم زیرا احتمالاً تمام این اطلاعات برای یک مبتدی بسیار دشوار است. همان طور که گفتیم در این مقاله کتاب‌ها با رویکرد کل به جزء معرفی شده‌اند. به این صورت که از کدنویسی شروع می‌کنید و سپس عمیق‌تر به ریاضیات و تئوریِ پشت الگوریتم‌های مختلف می‌پردازید تا راه‌حل‌ها را بهبود ببخشید و درک بهتری از مفاهیم به دست آورید. با این حال اگر شما رویکرد جزء به کل را برای یادگیری ترجیح می‌دهید، این کتاب ممکن است کتاب خوبی برای شروع باشد.
لینک کتاب در دیجی‌کالا: Deep Learning
جمع‌بندی
یادگیری ماشین حوزه‌ای بسیار گسترده و به‌سرعت در حال رشد است. یادآوری چگونگی مواجهه با مسائل مختلف یادگیری ماشین، از پردازش زبان طبیعی گرفته تا بینایی کامپیوتری و پیش‌بینی سری‌های زمانی همیشه آسان نیست. امیدواریم این مجموعه کتاب یادگیری ماشین نه‌تنها در یادگیری مهارت‌های پیشرفته در این حوزه به شما کمک کنند، بلکه به‌عنوان منبعی برای مراجعه در آینده استفاده شوند. اگر شما هم کتاب مفید دیگری در این زمینه سراغ دارید، نام آن را برایمان کامنت کنید.
منبع:
