Programování strojového učení: Od kódování k hlubokému učení

Recenze čtenářů

Kniha „Programming Machine Learning“ od Paola Perrotty je široce oceňována pro svůj jasný a metodický přístup k představení konceptů strojového učení. Úspěšně provádí začátečníky základy strojového učení a neuronových sítí bez velkého spoléhání se na existující knihovny, čímž zpřístupňuje složitá témata. Někteří recenzenti však zaznamenali nedostatky v hlubších matematických vysvětleních a některých pokročilých tématech, což naznačuje, že nemusí splňovat potřeby těch, kteří hledají rozsáhlé pokrytí těchto oblastí.

⬤ Jasný a postupný úvod do konceptů strojového učení.
⬤ Dobré vysvětlení základní matematiky a kódu.
⬤ Praktický, praktický přístup s příklady.
⬤ Dobře ilustrované diagramy, které zlepšují porozumění.
⬤ Individuální podpora a zapojení autora.
⬤ Skvělé pro začátečníky a středně pokročilé programátory, kteří si chtějí vybudovat základní znalosti.

⬤ Chybí hlubší matematický popis pojmů.
⬤ Některé kapitoly, například o CNN, jsou považovány za nedostatečné.
⬤ Omezené pokrytí pokročilých témat, které nemusí uspokojit ty, kdo hledají komplexní znalosti.

(na základě 19 hodnocení čtenářů)

Původní název:

Programming Machine Learning: From Coding to Deep Learning

Obsah knihy:

Rozhodli jste se zabývat strojovým učením - protože hledáte práci, začínáte nový projekt nebo si prostě myslíte, že samořídící auta jsou super. Ale kde začít? I jako softwarový vývojář se snadno necháte zastrašit. Dobrá zpráva je, že to nemusí být tak těžké. Zvládněte strojové učení psaním kódu po jednotlivých řádcích, od jednoduchých výukových programů až po skutečný systém hlubokého učení. Zvládněte těžká témata tak, že je rozdělíte, abyste je snáze pochopili, a vybudujte si sebedůvěru tím, že si zašpiníte ruce.

Odhalte nejasnosti strojového učení, začněte od nuly a projděte až k hlubokému učení. Strojové učení může být zastrašující, protože je závislé na matematice a algoritmech, se kterými se většina programátorů při své běžné práci nesetkává. Zvolte praktický přístup a napište si kód v jazyce Python sami, bez knihoven, které by zastíraly, o co ve skutečnosti jde. Iterujte svůj návrh a postupně přidávejte vrstvy složitosti.

Vytvoření aplikace pro rozpoznávání obrazu od nuly pomocí učení pod dohledem. Předpovídejte budoucnost pomocí lineární regrese. Ponořte se do gradientního sestupu, základního algoritmu, který řídí většinu strojového učení. Vytvořte perceptrony pro klasifikaci dat. Vytvářejte neuronové sítě pro řešení složitějších a sofistikovanějších datových sad. Trénujte a zdokonalujte tyto sítě pomocí zpětného šíření a dávkování. Vrstvení neuronových sítí, eliminace nadměrného přizpůsobení a přidání konvoluce, aby se vaše neuronová síť změnila na skutečný systém hlubokého učení.

Začněte od začátku a nakódujte si cestu k mistrovství ve strojovém učení.

Co potřebujete:

Příklady v této knize jsou napsány v jazyce Python, ale nebojte se, pokud tento jazyk neznáte: vše potřebné si osvojíte velmi rychle. Kromě toho budete potřebovat pouze počítač a svůj kódově zdatný mozek.