Aquí hay una lista corta que refleja mis recomendaciones colectivas , pero he resaltado quién creo que debería encontrar el libro en particular más interesante para que pueda concentrarse en el que sea mejor para usted.
- Introducción a la inteligencia artificial por Philip C Jackson
- Originalmente escrito hace más de 40 años, y lanzado como una segunda edición en 1985, este clásico ofrece una introducción a la ciencia de los procesos de razonamiento en las computadoras, así como los enfoques y resultados de más de dos décadas de investigación. Temas como el teorema de cálculo de predicados, arquitectura de máquinas, simulación psicológica, programación automática, técnicas de software novedosas, automatización industrial, se han mejorado mediante diagramas e ilustraciones claras.
¿Quién encontraría este libro más interesante?
Cualquiera que esté entrando en el espacio de Inteligencia Artificial y le gustaría tener una comprensión mucho más profunda del campo. Especialmente si desea explorar nuevos temas y desarrollar una comprensión amplia de las diferentes áreas, para que sepa qué aprender a continuación.
- ¿Qué libro de aprendizaje automático de nivel de introducción (en Python o Java) funciona mejor para un principiante?
- ¿Qué libro es mejor para aprender programación C de un principiante?
- ¿Qué libros recomendarías a alguien que quiera aprender a codificar?
- ¿Cuáles son los mejores libros para aprender C?
- ¿Cuál es el mejor libro para C y C ++?
- Aprendizaje profundo (serie de computación adaptativa y aprendizaje automático) por Ian Goodfellow, Yoshua Bengio y Aaron Courville
- Después de dos años y medio en desarrollo, Deep Learning (serie de Computación Adaptativa y Aprendizaje Automático) se lanzó a fines de 2016 y se ha convertido rápidamente en un recurso innovador sobre el tema del aprendizaje profundo. Escrito por tres de los mejores académicos en materia de aprendizaje profundo, este libro ha sido creado tanto para estudiantes universitarios de posgrado que estudian ciencias de la computación como para ingenieros de software. Los autores han abordado el tema de frente, al tiempo que proporcionan un marco necesario para comprender temas tan técnicos como la convolución, los modelos generativos y las capas ocultas.
¿Quién encontraría este libro más interesante?
Ingenieros experimentados que quieren tomarse en serio el Deep Learning. Este es un gran recurso antes de comenzar a codificar con cualquier marco de trabajo para que sea más fácil de entender y comenzar más rápido.
- Los elementos del aprendizaje estadístico: minería de datos, inferencia y predicción, segunda edición (Serie Springer en estadística) por Trevor Hastie, Robert Tibshirani y Jerome Friedman
- Este libro es un excelente recurso para cualquiera que busque una mejor comprensión de los conceptos de minería de datos, aprendizaje automático y bioinformática a través de un enfoque estadístico. Es bastante completo, con muchos temas que incluyen redes neuronales, máquinas de vectores de soporte, árboles de clasificación e impulso. Los conceptos están bien definidos y se presentan claramente con ilustraciones de colores vivos en todo el libro.
¿Quién encontraría este libro más interesante?
Nuestra opinión es que esto es algo avanzado. Por supuesto, los académicos y estadísticos lo investigarán, así como cualquier técnico que necesite reforzar su conocimiento del tema. Cuando lees las reseñas publicadas, dice que es relevante para “cualquier persona interesada en el campo … como punto de entrada al área …”, entonces, ¿qué sabemos?
- Python Machine Learning por Sebastian Raschka
- Esta guía muy práctica ofrece información profunda sobre el aprendizaje automático, así como un enfoque práctico de los últimos desarrollos en análisis predictivo. Python Machine Learning cubre una amplia gama de potentes bibliotecas de Python, que incluyen scikit-learn, Theano y Pylearn2, y presenta orientación y consejos sobre todo, desde análisis de sentimientos hasta redes neuronales. Sebastian Raschka ha proporcionado un recurso crucial que demuestra claramente lo que hace de Python uno de los principales lenguajes de ciencia de datos del mundo.
¿Quién encontraría este libro más interesante?
Escrito para cualquiera que quiera hacer mejores preguntas sobre sus datos, o para aquellos que necesitan mejorar y ampliar las capacidades de sus sistemas de aprendizaje automático. Si eres un principiante en el aprendizaje automático, este libro también es para ti, pero cada lector debería tener al menos una base sólida en Python.
- Cómo crear una mente: el secreto del pensamiento humano revelado por Ray Kurzweil
- Escrito por el aclamado futurista Ray Kurzweil, este libro profundiza en cómo las civilizaciones futuras serán dominadas por la interconexión de humanos y máquinas. Describe el surgimiento y desarrollo de máquinas inteligentes a través del proceso de ingeniería inversa del cerebro humano. Ray describe este proceso a través de explicaciones claras de temas como los agentes lógicos, la cuantificación de la incertidumbre, el aprendizaje a partir del ejemplo, la comunicación, la percepción y la acción del procesamiento del lenguaje natural, y más. El libro concluye con una discusión sobre los fundamentos filosóficos de la IA, así como un examen de lo que nos espera en los años venideros.
¿Quién encontraría este libro más interesante?
Ideal para aquellos interesados en el futuro del aprendizaje automático avanzado, con un enfoque en la correlación entre máquinas inteligentes y la humanidad. Si está tratando de calibrarse, no se preocupe, este es para todos, el simple hecho de que esté leyendo esto debería decirle que este libro es accesible, piense en él como un tratado de filosofía en lugar de un manual técnico.
- Inteligencia artificial y computación flexible: modelado conductual y cognitivo del cerebro humano por Amit Konar
- Considerado ampliamente como la biblia de la IA teórica dentro del campo de la informática, este libro proporciona un recurso integral que es conceptualmente avanzado y lo suficientemente accesible como para permitir al lector comprender y aplicar conceptos de IA modernos y tradicionales. El contenido es diverso, pero completo, y abarca temas que van desde la perspectiva conductual de la cognición humana hasta el razonamiento no monotónico y espacio-temporal. El texto está escrito claramente, es práctico y completo.
¿Quién encontraría este libro más interesante?
Este libro debe tener un amplio atractivo: proporciona un recurso excelente para cualquier persona involucrada en ciencias de la computación, desde estudiantes hasta profesionales experimentados.
- Aprendizaje de refuerzo: una introducción de Richard S. Sutton y Andrew G. Barto
- El aprendizaje por refuerzo se ha convertido rápidamente en uno de los temas más candentes en la investigación de Inteligencia Artificial en la actualidad. Este libro proporciona una introducción completa a muchas de las ideas y algoritmos clave asociados con el aprendizaje por refuerzo. El texto está escrito de manera inteligible en 3 secciones con la primera sección dedicada a una comprensión más profunda de los procesos de decisión de Markov. La segunda sección cubre métodos de solución básicos como la programación dinámica, los métodos de Monte Carlo y el aprendizaje de diferencia temporal. Por último, la tercera sección proporciona una vista unificada de la metodología de la solución que cubre temas que van desde redes neuronales artificiales hasta trazas de elegibilidad y planificación. En conjunto, Richard S. Sutton y Andrew G. Barto hacen un excelente trabajo al cubrir tanto los fundamentos conceptuales del aprendizaje por refuerzo, como sus últimos desarrollos y aplicaciones.
¿Quién encontraría este libro más interesante?
Es un libro introductorio a un nuevo campo de Inteligencia Artificial. Los ingenieros que buscan mantenerse al tanto de las últimas tendencias en inteligencia artificial, incluida una comprensión profunda del aprendizaje por refuerzo, deberían encontrar útil este libro.
- La segunda era de la máquina: trabajo, progreso y prosperidad en tiempos de tecnologías brillantes
- Comenzando con Internet de las cosas
- La inteligencia silenciosa
- Interrupciones de IoT: Internet de las cosas – Innovación y empleos
- Everyware: la era del amanecer de la informática ubicua