Продолжаем пополнять рубрику интересными книгами для ИТ-специалистов. Многие исследования доказали, что выгорание в нашей индустрии встречается часто, и избежать этого возможно несколькими способами, которые можно пересчитать по пальцам одной руки. Один из самых действенных способов, занимающий 3 место рейтинга, это постоянное развитие и изучение нового. Поэтому рубрика “Что почитать, чтобы не сгореть и не выгореть” продолжает свое существование и сегодня поделимся подборкой книг для ML-специалистов.

Какие области Machine Learning стоит изучить начинающим и продвинутым специалистам? Спросили совета у Ильи Смирнова, руководителя практики ML/AI ГК Юзтех.

Книги, которые рекомендует Илья:

«Верховный алгоритм: Как машинное обучение изменит наш мир» (автор: Педро Домингос)
Чтобы заглянуть в будущее и узнать, как машинное обучение изменит наш мир, не нужно специального технического образования — достаточно прочитать эту книгу.

«Вероятностное машинное обучение» (автор: Кэвин П. Мэрфи)
Классический труд, содержит современное введение в машинное обучение, рассматриваемое сквозь призму вероятностного моделирования и байесовской теории принятия решений.

«Математика в машинном обучении» (авторы: Дайзенрот Марк Питер, Фейзал А. Альдо)
Эта книга самодостаточна: читатель знакомится с базовыми математическими концепциями, а затем переходит к четырем основным методам МО: линейной регрессии, методу главных компонент, гауссову моделированию и методу опорных векторов.

«Глубокое обучение» (авторы: Ян Гудфеллоу, Иошуа Бенджио, Аарон Курвилль)
Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала.