Что почитать ML-специалисту?

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.