📘 Что почитать, если хотите разобраться в машинном обучении Делимся мнением Евгения Долотова — преподавателя курса «Машинное обучение» в Нижнем Новгороде и разработчика Яндекс Карт. Эти книги помогут понять, как устроен ML от простого к сложному. 1️⃣ «Грокаем Машинное обучение» — Луис Серрано Идеальная стартовая точка для понимания основ машинного обучения без сложной математики. Автор объясняет ключевые концепции через наглядные примеры и визуализации, делая сложные алгоритмы доступными для новичков. ➡️ Читайте, чтобы получить представление о том, как работает машинное обучение. 2️⃣ «Введение в машинное обучение с помощью Python» — Андреас Мюллер, Сара Гвидо Практическое руководство по реализации алгоритмов машинного обучения на Python с использованием библиотеки scikit-learn. Книга показывает цикл создания ML-модели от обработки данных до оценки результатов. ➡️ Читайте, чтобы научиться применять теоретические знания на практике и создавать работающие модели. 3️⃣ «Глубокое обучение» — Ян Гудфеллоу, Иошуа Бенджио, Аарон Курвилль Фундаментальный академический труд о нейронных сетях и глубоком обучении от ведущих исследователей области. Содержит глубокую математическую теорию и современные подходы к построению сложных моделей. ➡️ Читайте, чтобы получить серьёзную теоретическую базу и понимание принципов работы современного ИИ. Такие книги помогают разобраться в основах и посмотреть на машинное обучение с разных сторон. А дальше многое решают практика, задачи и обсуждения с теми, кто тоже этим увлечён 🤝 Ваш ШАД 🎓