6 лепшых кніг па машынным навучанні для спецыялістаў

Машыннае навучанне цяпер не толькі ў парадку дня спецыялістаў па дадзеных; яно карэнным чынам змяняе і штодзённую працу фінансавых каманд. Такія працэсы, як распазнаванне чэкаў і рахункаў-фактур, аўтаматычная класіфікацыя выдаткаў, ранняе выяўленне незвычайных транзакцый і прагназаванне грашовага патоку, — гэта прамыя адбіткі алгарытмаў гэтай галіны ў свеце бізнесу. Калі вы фінансавы ці бізнес-спецыяліст, які кіруе гэтым пераўтварэннем або хоча ім кіраваць, разуменне асноўнай логікі тэхналогіі дае вам вялікую перавагу: вы лепш распытваеце пра інструменты, якія купляеце, будуеце агульную мову са сваімі камандамі і ведаеце, куды ідуць вашы інвестыцыі ў аўтаматызацыю.

У гэтым артыкуле мы разглядаем 6 самых паважаных базавых кніг па машынным навучанні. Для кожнай кнігі мы асобна абагульнілі як тое, што яна прапануе тэхнічнаму чытачу, так і тую каштоўнасць, якую яна нясе для фінансавага ці бізнес-спецыяліста.

1. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow — Aurélien Géron

Гэтая кніга Aurélien Géron лічыцца залатым стандартам для тых, хто шукае прыкладное ўвядзенне ў машыннае навучанне. Яна трымае тэорыю на мінімуме, факусуецца непасрэдна на прымяненні і паказвае крок за крокам, як працаваць у рэальных праектах.

Чаму варта яе прачытаць?

• Яна прапануе поўную дарожную карту, якая пачынаецца з нуля і даходзіць аж да глыбокага навучання.
• У кожным раздзеле ёсць прыклады, якія можна запусціць, і практычныя практыкаванні.
• Яна простай мовай тлумачыць асноўныя метады, такія як класіфікацыя, кластарызацыя і прагназаванне.

Каштоўнасць для фінансавага спецыяліста: Гэта самая даступная крыніца, каб зразумець логіку класіфікацыі, якая стаіць за фінансавымі аўтаматызацыямі накшталт катэгарызацыі выдаткаў і распазнавання рахункаў-фактур, не патанаючы ў матэматыцы.

2. Pattern Recognition and Machine Learning — Christopher M. Bishop

Гэты класічны твор Christopher Bishop напісаны для тых, хто хоча глыбока зразумець матэматычныя асновы машыннага навучання. Гэта крыніца з высокай акадэмічнай вагой, якая аб'ядноўвае тэорыю верагоднасцяў і статыстыку з алгарытмамі.

Чаму варта яе прачытаць?

• Гэта адна з самых поўных крыніц па верагоднасным вывадзе.
• Практыкаванні ў канцы раздзелаў замацоўваюць паняцці.
• У многіх універсітэтах яна выкладаецца як асноўны падручнік.

Каштоўнасць для фінансавага спецыяліста: Прыняцце рашэнняў ва ўмовах нявызначанасці — гэта сутнасць фінансаў; верагоднасны погляд гэтай кнігі дае зразумець, чаму мадэлі ў такіх пытаннях, як адхіленне бюджэту і прагназаванне рызык, гавораць «верагодна», а не «дакладна».

3. Deep Learning — Ian Goodfellow, Yoshua Bengio і Aaron Courville

Гэты твор ад трох піянераў галіны называюць «базавай кнігай» глыбокага навучання. Ён комплексна разглядае тэарэтычныя і прыкладныя бакі разам.

Чаму варта яе прачытаць?

• Яна лічыцца самай аўтарытэтнай крыніцай па глыбокім навучанні.
• У першых раздзелах яна абагульняе неабходныя базавыя матэматычныя веды.
• Яна вольна даступная на афіцыйным сайце аўтараў.

Каштоўнасць для фінансавага спецыяліста: Усе сістэмы, якія выцягваюць дадзеныя са здымкаў чэкаў і рахункаў-фактур і чытаюць дакументы, грунтуюцца на глыбокім навучанні; гэтая кніга паказвае, чым насамрэч з'яўляецца тая «магія», якой фінансавыя каманды карыстаюцца кожны дзень.

4. The Elements of Statistical Learning — Trevor Hastie, Robert Tibshirani і Jerome Friedman

Гэтая кніга, напісаная трыма прафесарамі статыстыкі з Стэнфардскага ўніверсітэта, — адзін з самых поўных твораў, што разглядаюць метады статыстычнага навучання, і глядзіць на тэму праз акно статыстыкі.

Чаму варта яе прачытаць?

• Яна ахоплівае шырокі спектр ад лінейных метадаў да мадэляў на аснове дрэў.
• Яна тлумачыць тэарэтычную аснову метадаў, якія і сёння шырока выкарыстоўваюцца.
• Яе можна бясплатна спампаваць з сайта ўніверсітэта; тыя, хто хоча больш даступную альтэрнатыву, могуць выбраць кнігу тых жа аўтараў «An Introduction to Statistical Learning».

Каштоўнасць для фінансавага спецыяліста: Вялікая частка мадэляў, якія выяўляюць незвычайныя транзакцыі ў дадзеных выдаткаў і спрабуюць прагназаваць злоўжыванне выдаткамі, пабудавана на статыстычных метадах, апісаных у гэтай кнізе.

5. Python Machine Learning — Sebastian Raschka і Vahid Mirjalili

Гэтая кніга Sebastian Raschka і Vahid Mirjalili збалансавана спалучае тэорыю з прымяненнем; яна звяртаецца да шырокага кола чытачоў ад пачатковага да прасунутага ўзроўню.

Чаму варта яе прачытаць?

• Яна вучыць класічным метадам праз прыкладныя прыклады.
• Яна падрабязна разглядае этапы падрыхтоўкі дадзеных і ацэнкі мадэлі.
• Яна ахоплівае актуальныя сферы прымянення, такія як тэкставыя дадзеныя і аналіз танальнасці.

Каштоўнасць для фінансавага спецыяліста: Раздзелы пра ацэнку мадэлі вучаць задаваць пытанні, якія патрэбны фінансаваму кіраўніку, каб праверыць заявы пастаўшчыкоў пра прадукты «з падтрымкай штучнага інтэлекту» — на якой падставе мадэль лічыцца паспяховай, які памер памылкі?

6. Machine Learning: A Probabilistic Perspective — Kevin P. Murphy

Гэты комплексны твор Kevin Murphy разглядае машыннае навучанне праз верагоднасныя рамкі і лічыцца адной з самых падрабязных даведачных крыніц галіны. Больш актуальная серыя аўтара «Probabilistic Machine Learning» таксама прапануе абноўленую альтэрнатыву.

Чаму варта яе прачытаць?

• Яна збірае класічныя і сучасныя падыходы пад адным дахам.
• Яна дае шырокі агляд метадаў навучання з настаўнікам і без настаўніка.
• У канцы раздзелаў ёсць падрабязныя практыкаванні.

Каштоўнасць для фінансавага спецыяліста: Гэта крыніца, якая найбольш глыбока распрацоўвае верагоднаснае мысленне, на якім грунтуюцца перспектыўныя фінансавыя мадэлі накшталт грашовага патоку і прагназавання даходаў.

Як выбраць правільную кнігу?

Выбар залежыць ад вашага цяперашняга ўзроўню ведаў і вашай мэты:

• Фінансавыя і бізнес-спецыялісты: Пачніце з кнігі Géron; калі ваша мэта не пісаць код, а зразумець тэхналогію, якая аўтаматызуе вашы працэсы, дастатковае разуменне даюць нават першыя раздзелы.
• Тэхнічныя чытачы-пачаткоўцы: Прыкладныя кнігі Géron ці Raschka не патрабуюць моцнай матэматычнай базы.
• Прасунуты ўзровень: Набярыце тэарэтычную глыбіню з твораў Bishop, Goodfellow, Hastie ці Murphy.

Якую б кнігу вы ні выбралі, звязвайце прачытанае з уласнымі дадзенымі. Калі вы на баку фінансаў, лепшае практыкаванне — паглядзець на дадзеныя выдаткаў вашай кампаніі і задаць пытанне: «якія крокі тут можна аўтаматызаваць?»

Часта задаваныя пытанні

Ці трэба мне як фінансаваму спецыялісту ўмець праграмаваць, каб чытаць гэтыя кнігі?

Не. Канцэптуальныя раздзелы ў кнігах Géron і Raschka дазваляюць зразумець логіку машыннага навучання і без напісання кода. Мэта — не ствараць тэхналогію, а свядома ацэньваць сістэмы, якія вы купляеце ці якімі кіруеце.

Дзе канкрэтна машыннае навучанне выкарыстоўваецца ў фінансавых працэсах?

Аўтаматычнае счытванне інфармацыі з чэкаў і рахункаў-фактур, аднясенне выдаткаў да правільнай катэгорыі, пазначэнне выдаткаў, што парушаюць палітыку ці з'яўляюцца незвычайнымі, і прагназаванне грашовага патоку — гэта самыя распаўсюджаныя сферы прымянення. Час, які гэтыя аўтаматызацыі эканомяць кампаніям, мы разглядалі ў нашым артыкуле схаваны часавы кошт уводу выдаткаў.

Ці ёсць вольна даступныя кнігі?

Так. Кніга Goodfellow «Deep Learning» вольна даступная на афіцыйным сайце аўтараў, а кніга Hastie «The Elements of Statistical Learning» вольна даступная на сайце Стэнфардскага ўніверсітэта.

Ці захоўваюць гэтыя кнігі сваю актуальнасць?

Асноўныя алгарытмы і матэматычныя прынцыпы з часам захоўваюць сваю сілу; прыкладныя ж кнігі рэгулярна атрымліваюць абнаўленні выданняў. Для канцэптуальнага хрыбта класічныя творы дагэтуль з'яўляюцца надзейнымі даведкамі.

Ад тэорыі да практыкі: Машыннае навучанне на службе фінансавых каманд

Метады, апісаныя ў гэтых кнігах, цяпер працуюць у штодзённых інструментах фінансавых каманд. У Masraff мы будуем такія функцыі, як інтэлектуальнае распазнаванне чэкаў і рахункаў-фактур, аўтаматычная катэгарызацыя і выяўленне анамалій выдаткаў, непасрэдна на аснове гэтых алгарытмаў. Каб убачыць, як машыннае навучанне можа дадаць каштоўнасць вашым працэсам выдаткаў, вы можаце азнаёміцца з нашым рашэннем для кіравання выдаткамі, а па пытаннях звязацца з намі.