Úvod do strojového učenia, štvrté vydanie

Recenzie čitateľov

Alpaydinova kniha je oceňovaná pre zrozumiteľný výklad algoritmov a teórií strojového učenia, vďaka čomu je cenná pre študentov a odborníkov z praxe, ktorí chcú pochopiť základné koncepty. Niektorí čitatelia ju však považujú za náročnú, najmä pre začiatočníkov, vzhľadom na jej technický charakter a štýl písania. Jeden používateľ tiež uviedol problém s chybnou tlačou, ktorý ovplyvnil jeho skúsenosti s knihou.

⬤ Poskytuje jasné a stručné vysvetlenie kľúčových algoritmov a teórií strojového učenia.
⬤ Revidované časti obsahujú aktuálny obsah o hlbokom učení, ako sú GAN a CNN.
⬤ Vhodné pre študentov a odborníkov, ktorí chcú pochopiť teoretické aspekty strojového učenia.
⬤ Všeobecne sa ľahko číta a obsahuje jednoduché vysvetlenia.

⬤ Niektorí používatelia ju považovali za príliš technickú a náročnú na matematiku, najmä pre začiatočníkov.
⬤ Štýl písania nemusí účinne vysvetľovať pojmy pre tých, ktorí nie sú oboznámení s danou problematikou.
⬤ Hlásenia o nesprávne vytlačenej knihe, v ktorej chýba prvá kapitola.
⬤ Kritika za to, že je menej prístupná pre čitateľov bez silného zázemia v oblasti štatistiky alebo matematickej teórie.

(na základe 11 čitateľských recenzií)

Pôvodný názov:

Introduction to Machine Learning, Fourth Edition

Obsah knihy:

Podstatne prepracované štvrté vydanie komplexnej učebnice vrátane nového pokrytia najnovších pokrokov v oblasti hlbokého učenia a neurónových sietí.

Cieľom strojového učenia je naprogramovať počítače tak, aby na riešenie daného problému využívali údaje z príkladov alebo predchádzajúce skúsenosti. Strojové učenie je základom takých vzrušujúcich nových technológií, ako sú samojazdiace autá, rozpoznávanie reči a prekladateľské aplikácie. Toto podstatne prepracované štvrté vydanie komplexnej, široko používanej učebnice strojového učenia ponúka nové pokrytie najnovších pokrokov v tejto oblasti v teórii aj praxi vrátane vývoja v oblasti hlbokého učenia a neurónových sietí.

Kniha pokrýva širokú škálu tém, ktoré nie sú zvyčajne zahrnuté v úvodných učebných textoch strojového učenia, vrátane učenia pod dohľadom, Bayesovskej teórie rozhodovania, parametrických metód, semiparametrických metód, neparametrických metód, viacrozmernej analýzy, skrytých Markovových modelov, posilňovania učenia, jadrových strojov, grafických modelov, bayesovského odhadu a štatistického testovania. Štvrté vydanie ponúka novú kapitolu o hlbokom učení, v ktorej sa rozoberá trénovanie, regularizácia a štruktúrovanie hlbokých neurónových sietí, ako sú konvolučné a generatívne adverzné siete.

Nový materiál v kapitole o posilňovaní učenia, ktorá zahŕňa používanie hlbokých sietí, metódy gradientu politiky a hlboké posilňovanie učenia.

Nový materiál v kapitole o viacvrstvových perceptrónoch na autoenkodéroch a sieti word2vec.

A diskusia o populárnej metóde redukcie dimenzionality, t-SNE. Nové dodatky ponúkajú základný materiál o lineárnej algebre a optimalizácii. Cvičenia na konci kapitol pomáhajú čitateľom aplikovať naučené koncepty. Úvod do strojového učenia možno použiť v kurzoch pre pokročilých študentov bakalárskeho a magisterského štúdia a ako referenciu pre odborníkov.