ニューラルネットワークは2番目のルネッサンスを経験しています。 最初は、いくつかの適用された問題を解決したコミュニティはすぐに別の流行のトピックに切り替わると思われました。 現在、ニューラルネットワークへの関心の低下が近い将来に予想されないことは明らかです。 研究者はテクノロジーを適用する新しい方法を見つけており、製品にニューラルネットワークを使用するスタートアップがそれに続きます。
ニューラルネットワークは、非機械学習の専門家によって研究されるべきですか？ 誰もが自分でこの質問に答えます。 一方、状況を見ていきましょう-開発者（および他のすべての人）は、画像認識手法、判別分析、クラスタリング手法、その他の興味深いことを知りたいが、このタスクに余分なリソースを費やしたくない場合はどうすればよいでしょうか。
野心的な目標を設定するために、オンラインコースに真っ向から突入するということは、おそらく一般的な開発にのみ必要な科目を研究するのに多くの時間を費やすことを意味します。 1日30分かかる1つの実績のある（逆行）方法があります。 この本はオフラインの情報源です。 この本は関連性を自慢することはできませんが、限られた期間、技術とそれをタスクに実装する方法の基本的な理解が得られます。
ニューラルネットワーク設計
機械学習の分野ですでに基本的な知識があり、先に進みたい場合は、Neural Network Toolbox for MATLABの作成者が、ニューラルネットワークアーキテクチャとトレーニング方法の基本的な基礎を明確かつ詳細に説明します。 トレーニング方法は、 直接分布ニューラルネットワーク（多層および放射状ネットワークを含む）とリカレントネットワークの両方で提供されます 。 本に加えて、例題用のイラストとコードを入手できます（ Webサイト ）。
深層学習（適応計算と機械学習シリーズ）
たたみ込みニューラルネットワークとディープラーニングの神聖な本-冗談ではありません。これは本当に成功した多くの開発者によって推奨されている非常に重要な本です...そしてそれらだけではありません。 「3人の専門家が執筆したDeep Learningは、この分野で唯一の包括的な本です」とElon Musk氏は語ります。Teslaオートパイロットの信頼性とOpenAIプロジェクトの見通しを信じれば、それを信頼できます。 :)
この本は、線形代数、確率理論と情報理論、数値的手法、直接機械学習をカバーする数学ツールと基本的な基礎を提供します。 ディープラーニングでは、ディープダイレクトディストリビューションネットワーク、最適化アルゴリズム、畳み込みネットワーク、モンテカルロ法、ネットワークモデルの構築など、業界の実践者が使用するディープラーニング方法について説明します。 さらに、自然言語処理、音声認識、コンピュータービジョン、推奨システム、バイオインフォマティクス、さらにはゲームについても多くの興味深いことを学びます。 この本に含まれていないものを言うのは簡単です...難しいですが、800ページで何かが見つからない場合は、追加の資料を含む本のWebサイトもあります。
PS本の電子版は、 一般公開されています 。
ニューラルネットワーク：体系的な紹介
ジャンルの古典、時代からディープラーニングまでの1996年の基本的な仕事。 機械学習の主題に精通するだけでなく、この分野の専門家になりたい場合は、問題のこのビューに精通する価値があります。 この本は、（このコレクションの他のものと比較して）純粋な数学が少なく、代わりに、ニューラルネットワークの概念を直感的に理解できるようにする試みがなされています。 これはアプローチの深さのために行われます-ネットワークをすぐに作成する試みはありません。 著者はまず、生物学の例に関する理論的な法則とモデルを研究することを提案します。 各人が独自のニューラルネットワークを持っていることを忘れないでください。 簡単な例は、一般的な計算要素とネットワークトポロジが導入されたときにモデルのプロパティがどのように変化するかを示しています。
パターン認識と機械学習（情報科学と統計）
コレクションの前の本が気に入ったら、2006年版の類似版の知識を強化できます。 「パターン認識と機械学習」は、パターン認識に関する最初の教科書であり、ベイジアン法を表しています（ただし、ベイズの式自体は1763年に既に公開されています）。 この本では、正確な回答が不可能な状況で回答をすばやく見つけることができる出力アルゴリズムを紹介しています。 著者、Microsoft Research CambridgeのラボディレクターであるChristopher Bishopは、確率分布を記述するためのグラフィカルモデルを最初に説明しました。
PS 2013年に、Microsoft Researchは、パブリックドメインで、別の本Deep Learningをリリースしました。
集団知能のプログラミング
ニューラルネットワークがカルトステータスを獲得する数年前に書かれた（Pythonと組み合わせた）機械学習の基礎に関する最高の本の1つ。 しかし、彼女の年齢は障害ではありません-協調フィルタリング、ベイジアンフィルタリング、サポートベクターメソッドの方法は引き続き重要です。 検索エンジン（検索ロボット、インデックス、クエリメカニズム、PageRankアルゴリズム）の原理、最適化アルゴリズム、非負行列因子分解、その他のトピックについて説明します。
独自のニューラルネットワークを作成する
Pythonを使用して独自のグリッドを作成するためのニューラルネットワークの数学を段階的に説明します。 本の大きなプラスは、読者の知識の量に対する過小評価された要件です。 数学の分野では、学校の知識のみが必要です（深く浸ることはありません）。 著者らは、ニューラルネットワークのアイデアを幅広い読者に提供するという目標を設定しました。 高度な専門家のために書かれた本の数を考えると、賞賛に値します。
読んだ後、あなたは主なことをすることができます：Pythonコードを書き、独自のニューラルネットワークを作成し、さまざまな画像を認識する方法を教え、さらにRaspberry Piに基づいたソリューションを作成します。 本には数学もありますが、恐怖で悲鳴を上げることはありません（あなたの活動領域がアルゴリズムから遠い場合は可能です）-ニューラルネットワークの根底にある数学的アイデアには、多数のイラストと例が与えられています。
PS興味はあるが本を扱うことができない場合は、同じ名前のブログに多数の役立つ記事を掲載することをお勧めします。
Python機械学習
Python Machine Learningは、初心者の機械学習の専門家に役立つヒントのコレクションです。 なぜpython だから著者は望んでいた、彼はちょうど言語が好きです。 Sebastian Raskaは、最も一般的な概念を説明し、システム内レベルでトピックを理解するために必要な数学的装置でそれらを補足し、例を提供し、それを実装する方法を説明します。 GitHubには 、一般情報とコード例が記載されたリポジトリもあります 。 この本をロシア語に翻訳する予定です。
データから学ぶ
この本は、機械学習の世界を簡単に紹介します。 さらに、読者はオンラインチャプターに無料でアクセスできます。この章は、機械学習の分野の動向に従って常に更新されています。 この本は、対象に精通し始めたばかりで、「データ配列のトレーニング」という言葉の意味を理解していない人に推奨されます。
著者は、機械学習の理論的部分と実用的部分のバランスを取ります。 この本は、カリフォルニア工科大学、Rensselaer Polytechnic Institute（米国）、および国立台湾大学で教材として使用されています。 著者はまた、機械学習アプリケーションについて金融会社や商業会社と積極的に相談しています。
人工知能：現代のアプローチ
著名な作家であるスチュアートラッセルとピーターノービグによる人気の本で、第3版を生き延びています。 1年生向けに設計された、人工知能の理論と実践の完全かつ現代的な入門書。 この本は、データサイエンスとAIの膨大な数のコースに関するトピックの紹介として使用されます。 特に人工知能を作成するためのニューラルネットワークの使用に興味がある場合は、この魅力的で非常に複雑な分野での道を開始できます。
人工知能：最新のアプローチが公開されています 。
ニューラルネットワークとディープラーニング
この「本」はまったく本ではありません。表紙すらありません。 しかし、あなたが本当に本格的な出版物である前に、パブリックドメインでレイアウトされています（上記のリンクで）。 Michael Nielsenは、手書き認識の問題に関する一連の段階的な例で、ニューラルネットワークの優れた紹介を提供します。 この本は、すでに機械学習の経験があり、ニューラルネットワークをさらに深く掘り下げたい人に適しています。
おわりに
ディープマシンラーニングテクノロジーについてほとんど何も知らないプログラマーでさえ、シンプルで効果的なツールを使用して自己学習プログラムを作成できます。
ロシアのニューラルネットワークに関する書籍については、それらに関するレビューは矛盾しています。 「ニューラルネットワーク。 Simon Khaykinによるフルコースは、複雑さの増加と曖昧な翻訳によって区別されます（ただし、恐れることなく読むことができます）。 コレクション内の他の出版物と同じ品質の本を見つけることができませんでした。 何かお勧めできる場合は、コメントに書いてください。