Deep Learning Book (2016)

"Written by three experts in the field, Deep Learning is the only comprehensive book on the subject." – Elon Musk, co-chair of OpenAI; cofounder and CEO of Tesla and SpaceX

Book on Amazon

Highly Recommended Books for Machine Learning Researchers

Frankly speaking, there are many recommendations out there (e.g. see this thread and related threads on Quora). But, hoping to blend together academic and industry concerns, I would like to provide here recommendations for machine learning researchers made by only two people: Michael Jordan, a distinguished professor from University of Berkeley, and Bradford Cross, a founder of Prismatic.

M. Jordan's list

Recommended books as a background for machine learning

Michael Jordan suggests for reading books on probability theory and statistics, optimization theory, information theory, and analysis.

The sources are as follows:

• a thread on HackerNews
• a thread on Reddit.

The full list of references is available here.

B. Cross' list

A couple of years ago, based on his experience, Bradford Cross gave a comprehensive list of the best resources on machine learning and the prerequisites in his blog ("Measuring measures"). According to him, these basics are essential:

• Analysis
• Linear Algebra
• Probability
• Statistics and nonparametric statistics
• Optimization
• Machine learning
• Feature Selection.

Отличные книги по теории и практике Computer Science

Не так давно начал параллельное чтение двух замечательных книг, имеющих отношение к теории алгоритмов и информационному поиску.

1. R. Motwani, P. Raghavan "Randomized algorithms" (Google Books)
2. C. Manning, P. Raghavan, H. Schutze "Introduction to Information Retrieval" (онлайн)

1. Классический учебник по созданию и анализу вероятностных алгоритмов на практике от Раджива Мотвани (научного руководителя С. Брина и Л. Пейджа, одного из самых выдающихся ученых в области Computer Science, трагически ушедшего из жизни в 2009 году) и Прабакара Рагавана (главы Yahoo! Labs и, по совместительству, преподавателя из Стэнфорда). Книга, которая заставит пересмотреть многие сложные детерминистские подходы к решению ваших задач, предлагая более простые, эффективные и не менее надежные алгоритмы.

2. Актуальный учебник по информационному поиску, в котором воедино представлены разные аспекты этой быстроразвивающейся области, - классический информационный поиск (булевский, векторный, вероятностный), методы машинного обучения, анализ структуры Веба и т.д.

А в Leo Wood можно посмотреть библиотеки на заказ.