Julia pro strojové učení

Recenze čtenářů

Kniha je kritizována za nedostatečnou hloubku výuky jazyka Julia a strojového učení, přičemž mnozí recenzenti uvádějí, že neslouží jako výukový program ani jako komplexní příručka. Jedna recenze však vyniká pozitivně a popisuje ji jako vynikající a velmi doporučitelnou.

Jeden recenzent považuje knihu za vynikající a velmi doporučitelnou.

Kniha postrádá podrobná vysvětlení a výukové programy k Julii a strojovému učení, nabízí pouze povrchní přehled knihoven bez hlubších diskusí a praktické hodnoty. Je vnímána jako kniha s malou přidanou hodnotou oproti volně dostupným online zdrojům.

(na základě 3 hodnocení čtenářů)

Původní název:

Julia for Machine Learning

Obsah knihy:

Uvolněte sílu aplikace Julia pro své úlohy strojového učení.

Prozradíme vám, proč je Julia vybírána pro stále více projektů datové vědy a strojového učení, včetně schopnosti Julie spouštět algoritmy bleskovou rychlostí. Dále vám ukážeme, jak nastavit Julii a různá IDE, například Jupyter. Poté se věnujeme klíčovým knihovnám pro Julii, které jsou užitečné pro práci v oblasti datové vědy, včetně balíčků týkajících se vizualizace, datových struktur a matematických procesů.

Po vybudování základů v Julii se ponoříme do strojového učení, přičemž základní pojmy posílíme pomocí případů použití Julie. Případy užití na sebe navazují a dostanou se až na úroveň, kdy pomocí Julii nakódujeme model strojového učení od nuly. Všechny tyto případy užití jsou k dispozici v řadě zápisníků Jupyter.

Poté, co se budeme zabývat metodami redukce dimenzionality, prozkoumáme další témata strojového učení, jako je paralelizace a datové inženýrství. Ačkoli je znalost používání aplikace Julia zásadní, ještě důležitější je sdělit naše výsledky firmě, čemuž se věnujeme dále, včetně toho, jak efektivně spolupracovat se zúčastněnými stranami projektu. Naše cesta Julií pak stoupá k jemnějším bodům, včetně zlepšení transparentnosti strojového učení, sladění strojového učení se statistikou a pokračování v inovacích s Julií.

Závěrečné kapitoly se věnují budoucím trendům v oblasti aplikace Julia, strojového učení a umělé inteligence. Vysvětlujeme hybridní systémy strojového učení a bayesovské statistiky a jazyk Gen aplikace Julia. Sdílíme mnoho zdrojů, abyste mohli pokračovat ve zdokonalování svých dovedností v Julii a strojovém učení.

Každou kapitolu uzavírá řada otázek určených k upevnění látky dané kapitoly, odpovědi jsou uvedeny v příloze. Mezi další přílohy patří rozsáhlý slovníček, překlenovací balíčky mezi Julií a jinými programovými jazyky a přehled tří heuristik souvisejících s datovou vědou implementovaných v Julii, které nejsou v žádném z existujících balíčků.