Здесь уже поднимался вопрос о том, что почитать в качестве введения в нейросети, хочу поставить его под несколько иным углом.
В настоящее время существует множество свободных и коммерческих инструментов для моделирования нейронных сетей и других (например байесовы сети, SVM, и др.) методов машинного обучения. Реализация такой библиотеки и её прикладное применение — две хорошо разделяемые задачи, требующие специалистов совершенно разного «полёта»: если для реализации алгоритма нужен программист-математик, то для применения к прикладной задаче нужнее специалист-предметник, хорошо понимающий рассматриваемую задачу и область, к которой она относится. Было бы не рационально требовать от последнего знания математического аппарата методов машинного обучения, гораздо конструктивнее предоставить ему (дабы он мог выбрать и использовать оптимальный) сугубо практическое описание доступных методов (что на входе (требования к подготовке данных), что на выходе, методы выбора параметров архитектуры и процесса обучения, типы решаемых задач, прочая специфика, упрощённое (достаточное для общего представления принципа работы) описание внутреннего устройства). Вот что есть такого почитать в этом ключе (чтобы охватить как можно больше разнообразных методов)?
Если речь идет о знакомстве с задачами машинного обучения и различными методами их решения, могу посоветовать курс machine learning от Coursera. Но это не почитать, это посмотреть
Сложный
Сложный
