Introducere în învățarea automată, ediția a patra

Recenzii ale cititorilor

Cartea lui Alpaydin este lăudată pentru expunerea clară a algoritmilor și teoriilor învățării automate, ceea ce o face valoroasă pentru studenții și practicienii care doresc să înțeleagă conceptele fundamentale. Cu toate acestea, unii cititori o consideră dificilă, în special pentru începători, din cauza naturii sale tehnice și a stilului de scriere. O problemă de tipărire greșită a fost, de asemenea, raportată de un utilizator, afectându-i experiența cu cartea.

⬤ Oferă o explicație clară și concisă a principalilor algoritmi și teorii de învățare automată.
⬤ Secțiunile revizuite includ conținut actualizat privind învățarea profundă, cum ar fi GAN-urile și CNN-urile.
⬤ Potrivit pentru studenți și profesioniști care doresc să înțeleagă aspectele teoretice ale învățării automate.
⬤ În general ușor de citit, cu explicații simple.

⬤ Unii utilizatori au considerat-o prea tehnică și matematică, în special pentru începători.
⬤ Stilul de scriere poate să nu explice eficient conceptele pentru cei nefamiliarizați cu subiectul.
⬤ Rapoarte privind o carte tipărită greșit, din care lipsește primul capitol.
⬤ Critici pentru faptul că este mai puțin accesibilă cititorilor care nu au cunoștințe solide de statistică sau teorie matematică.

(pe baza a 11 recenzii ale cititorilor)

Titlul original:

Introduction to Machine Learning, Fourth Edition

Conținutul cărții:

O a patra ediție revizuită substanțial a unui manual cuprinzător, inclusiv o nouă acoperire a progreselor recente în învățarea profundă și rețelele neuronale.

Scopul învățării automate este de a programa calculatoare pentru a utiliza date de exemplu sau experiența trecută pentru a rezolva o anumită problemă. Învățarea automată stă la baza unor noi tehnologii interesante, cum ar fi mașinile care se conduc singure, recunoașterea vorbirii și aplicațiile de traducere. Această a patra ediție revizuită substanțial a unui manual cuprinzător și utilizat pe scară largă de învățare automată oferă o nouă acoperire a progreselor recente în domeniu, atât în teorie, cât și în practică, inclusiv evoluțiile în învățarea profundă și rețelele neuronale.

Cartea acoperă o gamă largă de subiecte care nu sunt de obicei incluse în textele introductive de învățare automată, inclusiv învățarea supravegheată, teoria Bayesiană a deciziei, metode parametrice, metode semiparametrice, metode neparametrice, analiză multivariată, modele Markov ascunse, învățarea prin întărire, mașini kernel, modele grafice, estimare Bayesiană și teste statistice. A patra ediție oferă un nou capitol privind învățarea profundă, care discută despre formarea, regularizarea și structurarea rețelelor neuronale profunde, cum ar fi rețelele adversariale generative și convoluționale.

Material nou în capitolul privind învățarea prin consolidare care acoperă utilizarea rețelelor profunde, metodele gradientului de politică și învățarea prin consolidare profundă.

Material nou în capitolul privind perceptronii multistrat pe autoencodere și rețeaua word2vec.

Și discutarea unei metode populare de reducere a dimensionalității, t-SNE. Noile anexe oferă materiale de bază privind algebra liniară și optimizarea. Exercițiile de la sfârșitul capitolelor ajută cititorii să aplice conceptele învățate. Introduction to Machine Learning poate fi folosit în cursuri pentru studenți avansați și absolvenți și ca referință pentru profesioniști.