Я учусь у Распознавания образов и машинного обучения, Крис Бишоп, какие хорошие ресурсы?

16

Есть ли какие-либо видео или другие книги / заметки, которые кто-нибудь встречал, которые следуют за Распознаванием образов и машинным обучением Криса Бишопа? Я купил эту книгу, чтобы изучать машинное обучение, и у меня возникли некоторые трудности с ее прохождением.

machine-learning references pattern-recognition

— FrankTheFrank
источник

3

Найдите существующие темы с тегом ссылки .

— Ричард Харди

2

FWIW, я думаю, что вопрос так же по теме, как и любой другой запрос ссылки. Я на самом деле думаю, что это более конкретно, чем большинство, потому что этот вопрос специально требует материалов, следующих за учебником, а не просто машинного обучения в целом.

— Sycorax говорит восстановить Монику

15

Епископ - отличная книга. Я надеюсь, что эти предложения помогут в вашем исследовании:

Сам автор опубликовал несколько слайдов для глав 1 , 2 , 3 и 8 , а также множество решений .
Читающая группа в INRIA разместила свои собственные слайды, охватывающие каждую главу.
Жоао Педро Нету опубликовал некоторые заметки и работы в R здесь . (Прокрутите вниз там, где написано «Распознавание образов епископа и ML»)
Многие вводные курсы машинного обучения используют епископ в качестве учебника. Поиск в Google дает несколько разных; посмотрите и посмотрите, какие темы и фокус вы предпочитаете.

— AG
источник

6

Я бы порекомендовал вам эти ресурсы:

Том Митчелл: Университет Карнеги-Меллона
(Только для контролируемого обучения и следует епископу) Распознавание образов: Индийский институт науки (мне лично нравится этот курс, поскольку я посещал его, но этот курс требует от вас знания теории вероятностей.)

Оба курса ориентированы на математику, поскольку более легкий курс по машинному обучению будет «Машинное обучение» от Udacity.

— Upperwal
источник

3

https://www.cs.toronto.edu/~rsalakhu/STA4273_2015/

Этот курс близко следует за частью епископа. У него есть видео лекции с ним.

— Сивон Ю
источник

4

Добро пожаловать на сайт. В настоящее время это больше комментарий, чем ответ. Вы можете расширить ее, возможно, предоставив сводную информацию по ссылке, или мы можем преобразовать ее в комментарий для вас.

— gung - Восстановить Монику

1

Я думаю, что часто упускаемая из виду книга Дэвида Маккея - « Теория информации, умозаключения и алгоритмы обучения » .

Это соответствует общей структуре PRML, поскольку авторы, похоже, имеют схожую (по крайней мере, на мой взгляд) точку зрения. В зависимости от вашего опыта - нравятся ли вам такие понятия, как теория информации / кодирование / KL-расхождение, - эта книга может показаться вам чрезвычайно интересной.

— idnavid
источник

1

ноутбуки Jupyter с реализациями на Python и использованием scikit-learn в PRML

— Дон словик
источник