Creo que el Reconocimiento de patrones y el Aprendizaje automático , de Christopher Bishop (2006) es posiblemente el mejor libro para cubrir los conceptos básicos matemáticos de la teoría de la información, la teoría de gráficos (un gran capítulo disponible como descarga gratuita de muestras), la teoría de redes y las estadísticas.
La teoría de la información, la inferencia y los algoritmos de aprendizaje , de MacKay (2003) cubren la teoría de la información, las estadísticas y los modelos de red.
Los Elementos del Aprendizaje Estadístico: Minería de Datos, Inferencia y Predicción por Trevor Hastie et al ha tenido varias impresiones y se considera un clásico de los fundamentos estadísticos para la teoría de la probabilidad. También está disponible para descarga gratuita.
Los libros y notas de Michael Jordan sobre teoría de grafos están considerados entre los mejores.
- ¿Qué es una persona con un CI 100 inferior al promedio, pero no con retraso mental, capaz e incapaz de hacerlo?
- Neurociencia computacional: digamos que hemos llegado a entender exactamente cómo funciona el cerebro. ¿Qué seguiría?
- ¿Cómo se puede hacer que un mundo virtual sea lo más realista posible para los jugadores que solo pueden jugar en este mundo virtual a través de la conexión del cerebro a la computadora?
- ¿Cuáles son algunas críticas de la prueba de Turing?
- ¿El cerebro es como un disco duro particionado que ejecuta múltiples sistemas operativos?
Otras formas de aprender incluyen asistir a clases si estás cerca de una universidad de investigación, o tomar una clase en Coursera (Rajesh Rao tiene una sobre el modelo bayesiano en neurociencia). Mi método preferido es triangular a través de 2 a 3 libros que explican lo mismo desde diferentes perspectivas del autor.
Para obtener más ideas, consulte: ¿Cuáles son algunos buenos materiales de introducción a la neurociencia computacional?