यदि आप तंत्रिका नेटवर्क पर एक बहुत ही सरल मूल पुस्तक चाहते हैं और बिल्कुल मशीन लर्निंग नहीं जो आप आज़मा सकते हैं:
ये 2 बुनियादी और बहुत सरल पुस्तकें हैं जो खरोंच से शुरू होती हैं और सरल उदाहरणों पर हाथ से गणना दिखाती हैं। इसके अलावा ये वास्तविक जीवन अनुप्रयोग आधारित पुस्तकें हैं।
यदि आप अपने सिद्धांत को मजबूत करना चाहते हैं और मशीन लर्निंग के बारे में व्यापक रूप से सीखना चाहते हैं, खासकर पैटर्न की पहचान के लिए अब तक की सबसे अच्छी पुस्तक:
इस पुस्तक में विशेष रूप से प्रोबेबिलिटी थ्योरी, रेखीय बीजगणित और कैलकुलस के क्षेत्र में ध्वनि गणितीय ज्ञान की आवश्यकता है।
तंत्रिका जाल पर दो अन्य बहुत सैद्धांतिक किताबें हैं:
मेरे अनुभव से ये सर्वश्रेष्ठ परिचयात्मक पुस्तकें हैं। इसके अलावा आप edx.org द्वारा चलाए जा रहे विभिन्न OCW जैसे मशीन लर्निंग फॉर डेटा साइंस की जाँच कर सकते हैं और स्टैनफोर्ड यूनिवर्सिटी द्वारा प्रोफेसर एंड्रयू एनजी लर्निंग द्वारा संचालित प्रांगण पर अत्यधिक अनुशंसित पाठ्यक्रम।
मैं आपको सुझाव दूंगा कि आप पायथन या आर सीखें क्योंकि इसका उपयोग ज्यादातर मशीन लर्निंग के लिए उनके शक्तिशाली वैज्ञानिक पैकेजों के कारण किया जाता है। C / C ++ की तुलना में Python प्रोग्राम सीखना और कार्यान्वित करना बहुत आसान है।
संपादित करें: इस पुस्तक को भूल गए। हालांकि, थोड़ा उन्नत कुछ उपयोगकर्ता को यह आसान लग सकता है: