Recenzie čitateľov
Zhrnutie:Kniha je vysoko cenená pre svoju hĺbku a rozmanitosť tém v oblasti umelej inteligencie a strojového učenia, čo z nej robí cenný zdroj informácií pre tých, ktorí majú v tejto oblasti solídne základy. Je dobre napísaná, s prístupnými vysvetleniami a cvičeniami, ktoré zlepšujú porozumenie. Nie je však vhodná pre úplných začiatočníkov, pretože predpokladá vysokú úroveň existujúcich znalostí matematiky a konceptov umelej inteligencie.
Výhody:⬤ Dobre napísaná a prístupná
⬤ pokrýva rôzne témy
⬤ obsahuje cvičenia v každej kapitole
⬤ kapitoly sú rozkúskované a dajú sa čítať samostatne
⬤ ideálna pre tých, ktorí majú pevné základy v oblasti umelej inteligencie
⬤ objasňuje základné pojmy.
Nevýhody:⬤ Nie je vhodná pre úplných začiatočníkov
⬤ predpokladá znalosti matematiky a základných pojmov umelej inteligencie na vysokej úrovni
⬤ pre začiatočníkov môže byť zavádzajúca.
(na základe 4 čitateľských recenzií)
Pôvodný názov:
Machine Learning Q and AI: 30 Essential Questions and Answers on Machine Learning and AI
Obsah knihy:
Naučte sa odpovede na 30 špičkových otázok z oblasti strojového učenia a umelej inteligencie a zvýšte svoje odborné znalosti v tejto oblasti.
Ak ste si osvojili základy strojového učenia a umelej inteligencie a chcete zábavnou formou odstrániť pretrvávajúce medzery vo vedomostiach, táto kniha je určená práve vám. Táto rýchla séria krátkych kapitol sa zaoberá 30 základnými otázkami v tejto oblasti a pomôže vám udržať si aktuálny prehľad o najnovších technológiách, ktoré môžete implementovať do svojej práce.
Každá kapitola knihy Machine Learning and AI Beyond the Basics (Strojové učenie a umelá inteligencia nad rámec základov) kladie a odpovedá na ústrednú otázku, pričom na vysvetlenie nových pojmov sú k dispozícii diagramy a dostatok odkazov na ďalšie čítanie. Tieto praktické, špičkové informácie chýbajú vo väčšine úvodných kurzov, ale sú veľmi dôležité pre reálne aplikácie, výskum a úspešné absolvovanie technických pohovorov. Nebudete musieť riešiť dôkazy ani spúšťať kód, takže táto kniha je ideálnym spoločníkom na cesty. Naučíte sa širokú škálu nových konceptov v oblasti architektúr hlbokých neurónových sietí, počítačového videnia, spracovania prirodzeného jazyka, výroby a nasadenia a vyhodnocovania modelov vrátane toho, ako:
⬤ Znížiť nadmerné prispôsobovanie sa zmeneným údajom alebo úpravám modelu.
⬤ Spracovať bežné zdroje náhodnosti pri trénovaní hlbokých neurónových sietí.
⬤ Urýchlenie odvodzovania modelu prostredníctvom optimalizácie bez zmeny architektúry modelu alebo obetovania presnosti.
⬤ Prakticky použite hypotézu o losoch a distribučnú hypotézu.
⬤ Používajte a dolaďujte predtrénované veľké jazykové modely.
⬤ Nastaviť k-násobnú krížovú validáciu vo vhodnom čase.
Naučíte sa tiež rozlišovať medzi samoučením a bežnou pozornosťou; pomenovať najbežnejšie techniky rozširovania údajov pre textové údaje; používať rôzne techniky samoučenia, paradigmy trénovania s viacerými GPU a typy generatívnej AI a mnoho ďalšieho.
Či už ste začiatočník v strojovom učení alebo skúsený praktik, doplňte svoj arzenál o nové techniky a udržujte si prehľad o vzrušujúcom vývoji v rýchlo sa meniacej oblasti.
