Hodnotenie:
Kniha má zmiešané hodnotenia, niektorí čitatelia ju považujú za neužitočnú pre vývojárov, ktorí hľadajú praktické znalosti kódovania, zatiaľ čo iní oceňujú jej teoretický rámec na pochopenie konceptov strojového učenia. Obavy týkajúce sa zrozumiteľnosti materiálu a nedostatku príkladov kódovania sa zdajú byť výrazné, najmä pre tých, ktorí majú skúsenosti s programovaním a chcú aplikovať strojové učenie.
Výhody:Niektorí čitatelia zistili, že kniha poskytuje dobré teoretické pochopenie strojového učenia a ponúka náhľad na možné problémy pri prístupe k ML. Môže pomôcť čitateľom posúdiť, či sú na základe svojich doterajších vedomostí pripravení tieto problémy prijať.
Nevýhody:Mnohí recenzenti kritizovali knihu za to, že je viac o diskusii ako o kódovaní, že jej chýba zrozumiteľnosť vysvetlení a že neposkytuje dostatok praktických príkladov. Nie je v nej jasne uvedená potrebná verzia Visual Studia na dokončenie cvičení a mnohí sa po prečítaní cítili skôr zmätení ako poučení.
(na základe 4 čitateľských recenzií)
Introducing Machine Learning
Ovládnite koncepty strojového učenia a vyvíjajte reálne riešenia
Strojové učenie ponúka obrovské možnosti a Predstavujeme strojové učenie prináša praktické poznatky, ako ich čo najlepšie využiť. Dino a Francesco Esposito začínajú stručným prehľadom základov umelej inteligencie a základných krokov každého projektu strojového učenia. Ďalej predstavujú výkonnú knižnicu Microsoft ML.NET vrátane možností na spracovanie, trénovanie a vyhodnocovanie údajov. Predstavujú rodiny algoritmov, ktoré možno trénovať na riešenie reálnych problémov, ako aj techniky hlbokého učenia využívajúce neurónové siete. V závere autori predstavujú hodnotné runtime služby dostupné prostredníctvom cloudovej platformy Azure a uvažujú o dlhodobej obchodnej vízii strojového učenia.
- Pomôžu vám 14-násobní MVP spoločnosti Microsoft Dino Esposito a Francesco Esposito.
- Preskúmajte, čo je známe o tom, ako sa ľudia učia a ako sa vytvára inteligentný softvér.
- Zistite, ktoré problémy môže riešiť strojové učenie.
- Pochopiť potrubie strojového učenia: kroky vedúce k dosiahnuteľnému modelu.
- Použite AutoML na automatický výber najlepšej pipeline pre akýkoľvek problém a súbor údajov.
- Ovládnite ML.NET, implementujte jeho potrubie a aplikujte jeho úlohy a algoritmy.
- Preskúmajte matematické základy strojového učenia.
- Vytvárajte predpovede, zlepšujte rozhodovanie a aplikujte pravdepodobnostné metódy.
- Zoskupujte údaje prostredníctvom klasifikácie a zhlukovania.
- Naučte sa základy hlbokého učenia vrátane návrhu neurónových sietí.
- Využívajte cloudové služby AI na rýchlejšie vytváranie lepších reálnych riešení.
O tejto knihe
- Pre profesionálov, ktorí chcú vytvárať aplikácie strojového učenia: vývojárov, ktorí potrebujú zručnosti v oblasti dátovej vedy, aj dátových vedcov, ktorí potrebujú príslušné programátorské zručnosti.
- Obsahuje príklady scenárov kódovania strojového učenia vytvorených pomocou knižnice ML.NET.
