세 권 모두 다 번역서 있음
인공지능 : 현대적 접근 3판 - 러셀?이던가
이 책은 번역이 씹쓰레기라서 영어로 보는 것이 정신건강에 더 좋음
초반부는 쉬워서 개꿀이네~ 하면서 읽다가 HMM이랑 베이즈넷 나오는 시점부터 내 지능을 의심하게 되는 책
패턴인식과 머신러닝 - 비숍
번역 보통.. 그래도 이해 잘하기 위해서 영어랑 같이 보는 걸 추천.
영어는 저작권 프리로 풀렸음
이번에 제이펍 이북 출시하면서 이북으로도 나올 가능성이 높아짐
머신러닝 - 머피
수식 노테이션이 내가 자주 보던 책들과 달라서 웬지 꺼려지지만 그래도 좋은 책.
한국어판은 수식 가독성이 눈물나서.. 유일하게 1회독도 못본 책
보다가 수식 때문에 가끔 화날 때 있음.
그래도 좋은책
그리고 딥하게 공부해보고 싶다면 연습문제도 모두 풀어보면 좋음
내 대가리가 얼마나 개빻았는지 간접적으로 확인할 수 있음.
인공지능 현대적 접근은 꼭 보면 좋다고 생각하고.. 패턴인식과 머신러닝 / 머신러닝 2권 중에 한권골라서 보면 좋음.
딥러닝 이론서도 추천좀
이안 굿펠로우가 쓴 딥러닝 이란 책도 있는데, 인터넷에서 볼 수 있어. 그거 초반부분 슥 읽어보고 어렵다 싶으면 다이브인투딥러닝 이라고 찾아서 그거 읽어봐 ㅎㅎ
요즘 저런거까지 읽을 필요가 있음? 죄다 뉴럴넷으로 대가리 깨버리는 추세 아닌가
필요한 시점에서 보면 돼 ㅎㅎ 언젠간 필요한 시점이 와
ㄱㅅ 참고할게
비숍이 오히려 되도 않는 스칼라 노테이션 써서 짜증나던데. 레퍼런스 북으로는 머피 책이 진짜 최고임. 가끔 여기에 이런 얘기도 있었구나 하고 놀랄 때 많음 - return 0;
난 비숍이 편한던데 머피보다
그건 네가 선대에 덜 익숙해서 그렇다 - return 0;
그렇게 딱 잘라 도장찍는건 좀 아니지않나
사실이다 - return 0;
그 말에 좀 빡쳐서 다시 보고 왔는데 아닌건 아님. 다시보고와도 노테이션 챕터2부터 맘에 안 듬. 비숍이 더 편함.
비숍 승
셋다 "머신러닝" 이론과는 좀 거리가 있지 않냐? 정말 "러닝"이론서는 understanding machine learning: from theory to algorithm 이런 책들.
저 책들 모두 테크닉 관련 내용만 많지 PAC learning 같은 learning theory에 대한 직접적인 내용은 많이 안나올텐데.
아직 거기까진 공부를 못해봐서 모르겠어 PAC도 들어만 봤지 잘 모름. 다만 내가 하는 태스크에서는 저 셋 선에서 어느정도 커버되는 거 같아.
셋다 머신러닝 이론 책 맞다. 둘다 작가가 독실한 Bayesuan 이라 그 쪽 초점에 맞춰져 있지만. 네가 말하는 PAC이론 같은간 보통 learning theory 라고 해서 별도 취급이다. - return 0;
오타는 애교로 이해가능
글쎄... 내가 아는 "머신러닝 이론" 의 개념이 바뀌었냐 ;;;
난 PAC 강화학습 쪽에서 들어는 봤는데 잘 몰라서 빠질래 둘이 잘 정해줘
Machine Learning에서 Learning에 대한 접근법을 죄다 빼버리고 이론이라니.... 이걸로 논쟁할 줄은 몰랐음;;
애매하게 말하지 말고 누가 확실히 이야기해줬음 좋겠는데? 내가 하는 자연어처리 쪽에서는 저 책 내용들이 도움이 된 건 맞고, 나 같은 경우는 AIMA가 많이 도움되었었음. 그래서 저렇게 적은거
힌트 니 말대로면 “ understanding machine learning: from theory to algorithm” 이 책을 보면 이론이 뭔지 알게된다 이거지? 지금 하는 플젝 끝나고 보고 옴
ARIMA 말하는거면 learning theory 와 아무 상관 없다 그냥 전통 통계학 시계열 모델이지 - return 0;
아리마가 왜 나와
애초에 비숍 PRML이랑 머피 ML은 머신러닝 이론서 중 바이블로 통용되는 책인데, 학습이론만 들먹이면서 머신러닝 이론과 거리가 있다고 우긴다면 어딜가도 이해받지 못할거임.
그러려니 함 ㅎ