7 livros essenciais para aprender machine learning
Ao longo deste post você verá 7 livros essenciais para quem deseja aprender machine learning, os quais trazem conceitos que vão desde o nível básico até o avançado.
O ano de 2016 já “batia à porta” no dia em que eu digitei o termo “Data science” no Google e caí num post que falava sobre inteligência artificial. Logo me deparei com termos até então completamente alheios ao meu entendimento. O texto compunha-se de jargões como “machine learning”, “deep learning”, “aprendizagem supervisionada” e “overfitting”, que meu humilde vocabulário desconhecia até aquele momento. Movido pela curiosidade, decidi ler um pouco mais sobre o assunto. Com o passar de poucos dias eu já estava decidido a aprender machine learning.
Leia também: Mestrado em Ciência da Computação, na área de Machine Learning, que tal tentar?
Mas logo me vi completamente perdido, pois não sabia o que era necessário estudar ou onde encontrar bons materiais de estudo. Acontece que eu já estava bastante obcecado pelo assunto e queria aprender de qualquer maneira. Na falta de alguma orientação, acabei tomando o caminho mais longo e estudando muita coisa desnecessária (não que isto tenha me prejudicado, pelo contrário). Tive que me organizar e, então, eu pensei:
“primeiro eu preciso me concentrar no básico”.
Foi aí que eu pensei em comprar algum livro que pudesse me levar a uma leitura mais introdutória em torno do tema, pois eu precisava compreendê-lo desde os tópicos mais elementares. Dentro de poucos meses, eu já havia adquirido meia dúzia de livros que se mostraram essenciais para o meu aprendizado. No vídeo que acompanha este post, você verá que livros são esses.
Porque é interessante estudar por meio de livros?
O que me faz gostar tanto de estudar por meio de livros (impressos ou digitais) é que eles naturalmente se aprofundam muito mais em seus temas do que outras fontes, tais como artigos científicos ou alguns cursos online que costumam compilar e resumir em tópicos, ou citações, o conteúdo dos livros. Além disso, se o seu objetivo é entender o tema desde as suas raizes e ir se aprofundando, dificilmente haverá material melhor de onde você possa extrair conhecimento.
O Machine Learning é uma área que toma emprestado diversos conceitos matemáticos usados na ciência e na engenharia. Se eu quiser me aprofundar em machine learning o suficiente para me permitir criar meus próprios modelos com total controle e liberdade, é importante que eu aprenda sobre estes conceitos ao menos num nível básico. Uma grande parte dos livros voltados para o assunto, eu diria que a maioria deles, nos orientam a respeito desses pré-requisitos logo nos primeiros capítulos. Quase sempre, esta orientação ocorre por meio de alguma revisão ou visão geral sobre algum conhecimento prévio necessário. Isto é bastante útil porque nos permite saber sobre qual assunto específico de uma determinada área será preciso aprender previamente e, assim, você passa a estudar de uma maneira mais focada.
Confira 7 livros essenciais para aprender machine learning
Os livros que você verá no vídeo abaixo foram adquiridos com base em um levantamento de pré-requisitos que acabei fazendo ao longo da minha jornada de estudos e decidi compartilhar isto com vocês. Todos eles foram comprados na Amazon. Não há comentários sobre os livros durante o vídeo, porque eu já havia gravado um outro vídeo onde falo um pouco a respeito de cada um deles.
Onde encontrar estes livros?
- Álgebra Linear com Aplicações — Howard Anton: http://amzn.to/2G7NBUY
- The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition — Trevor Hastie : http://amzn.to/2DJY2gR
- Pattern Recognition and Machine Learning — Christopher M. Bishop: http://amzn.to/2Dtjedd
- Redes Neurais — Simon Haykin: http://amzn.to/2DgLo7M
- Deep Learning — Ian Goodfellow: http://amzn.to/2DKUfjd
- Hands–On Machine Learning with Scikit–Learn and TensorFlow — Aurelien Geron: http://amzn.to/2DsDpbm
O que você achou deste post? Se tiver alguma dúvida ou alguma dica que sirva para postagens futuras, não deixa de comentar aí em baixo!