Hodnotenie:
Kniha dostáva od používateľov neustále negatívne recenzie, najmä kvôli nízkej kvalite písania, nedostatku originálneho obsahu a nekvalitným materiálom. Mnohí čitatelia ju považovali za ťažko zrozumiteľnú a kritizovali jej spoliehanie sa na internetové zdroje bez primeraného vysvetlenia alebo teórie. Celkovo sa považuje za knihu, do ktorej sa neoplatí investovať.
Výhody:Niektorí používatelia poznamenali, že kniha poskytuje jasné kroky na implementáciu algoritmov hlbokého učenia pomocou MATLABu.
Nevýhody:Kniha sa vyznačuje lámanou angličtinou a zlou gramatikou, čo sťažuje jej pochopenie. Mnohí recenzenti ju považovali za neoriginálnu, plnú skopírovaného obsahu z online zdrojov a kritizovali nízku kvalitu tlače a prítomnosť mnohých chýb v kóde MATLAB a obrázkoch.
(na základe 7 čitateľských recenzií)
A Practical Approach for Machine Learning and Deep Learning Algorithms
Zapojte sa do strojového učenia
Kľúčové vlastnosti Strojové učenie v MATLABe s využitím základných konceptov a algoritmov. Algoritmy strojového učenia v jednoduchom jazyku s využitím kódu MATLAB. Odvodenie a prístup k údajom v MATLABe a ďalej, predbežné spracovanie a príprava údajov. Pracovný postup strojového učenia na monitorovanie zdravia. Oblasť neurónových sietí a ich implementácia v MATLABe s explicitným vysvetlením kódu a výsledkov. Ako sa dá prediktívny model vylepšiť pomocou MATLABu? Kód MATLABu pre implementáciu algoritmu, a nie pre matematický vzorec. Pracovný postup strojového učenia pre monitorovanie zdravia.
Opis
Strojové učenie je vyhľadávané najmä v oblasti výskumu a v súčasnosti sa stalo neoddeliteľnou súčasťou mnohých výskumných projektov vrátane komerčných aplikácií, ako aj akademického výskumu. Aplikácie strojového učenia siahajú od vyhľadávania priateľov na sociálnych sieťach až po lekársku diagnostiku a dokonca aj spracovanie satelitov. V tejto knihe sme sa poctivo snažili priblížiť koncepty strojového učenia a uviesť základné programy v MATLABe hneď v inštalačnej časti. Hoci aplikácia strojového učenia v reálnom čase je nekonečná, základné pojmy a algoritmy sú však rozoberané pomocou jazyka MATLAB tak, aby z nej mali úžitok nielen študenti maturitných ročníkov, ale aj výskumní pracovníci.
Čo sa naučíte
Predpoklady strojového učenia Hľadanie prirodzených vzorov v údajoch Tvorba klasifikačných metód Predspracovanie údajov v jazyku Python Tvorba regresných modelov Tvorba neurónových sietí Hlboké učenie
Pre koho je táto kniha určená
Kniha je v podstate určená študentom vysokých škôl a výskumným pracovníkom, pre ktorých je ťažké implementovať algoritmy strojového učenia. Podrobne sme sa dotkli všetkých základných algoritmov strojového učenia s praktickým prístupom. Predovšetkým pre začiatočníkov je táto kniha efektívnejšia, pretože kapitoly sú rozdelené tak, aby pre nich bolo zostavovanie a implementácia algoritmov v MATLABe zaujímavé a zároveň jednoduché.
Obsah
Úvod do strojového učenia Hľadanie prirodzených vzorov v údajoch Budovanie klasifikačných metód Predbežné spracovanie údajov v jazyku Python Budovanie regresných modelov Vytváranie neurónových sietí Úvod do hlbokého učenia
O autorovi
Abhishek Kumar Pandey pokračuje v doktorandskom štúdiu informatiky a získal titul M. Tech v odbore Computer Sci. & Engineering. Pracuje ako asistent profesora informatiky na Aryabhatt Engineering College and Research center, Ajmer a tiež ako hosťujúci profesor na Government University MDS Ajmer.
Pramod Singh Rathore pokračuje v doktorandskom štúdiu v oblasti informatiky a inžinierstva a získal titul M. Tech. Pôsobí ako asistent profesora informatiky na Aryabhatt Engineering College and Research centre, Ajmer a ako hosťujúci profesor na Government University MDS Ajmer.
Dr. S. Balamurugan je vedúcim oddelenia výskumu a vývoja v spoločnosti Quants IS & CS, India. Predtým bol riaditeľom výskumu a vývoja v spoločnosti Mindnotix Technologies, India. Je autorom/spoluautorom 33 kníh a má na konte 200 publikácií v rôznych medzinárodných časopisoch a na konferenciách.