Transfer učení

Recenze čtenářů

Kniha je ucelenou sbírkou literatury o transferovém učení, jejímž autorem je řada odborníků v této oblasti. Přestože pokrývá širokou škálu aplikací a základních témat, její struktura byla kritizována za nedostatek soudržnosti kvůli velkému počtu autorů. Každá kapitola je stručná a hojně odkazuje na původní práce, což nemusí být vhodné pro inženýry, kteří hledají praktický návod.

⬤ Aktuální a relevantní k současným trendům ve strojovém učení
⬤ napsané odborníky
⬤ pokrývá širokou škálu aplikací a základních témat.

⬤ Chybí soudržnost kvůli více autorům
⬤ působí spíše jako sbírka přehledů literatury než jako ucelené vyprávění
⬤ kapitoly jsou krátké s četnými odkazy na původní články, což vyžaduje další čtení pro pochopení.

(na základě 2 hodnocení čtenářů)

Původní název:

Transfer Learning

Obsah knihy:

Transferové učení se zabývá tím, jak se systémy mohou rychle přizpůsobit novým situacím, úkolům a prostředím. Dává systémům strojového učení schopnost využívat pomocná data a modely k řešení cílových problémů v případě, že je k dispozici pouze malé množství dat.

Díky tomu jsou takové systémy spolehlivější a robustnější a model strojového učení, který čelí nepředvídatelným změnám, se příliš neodchyluje od očekávaného výkonu. Na podnikové úrovni umožňuje transferové učení opakované využití znalostí, takže jednou získané zkušenosti lze opakovaně použít v reálném světě. Například předem natrénovaný model, který zohledňuje soukromí uživatelů, lze stáhnout a přizpůsobit na okraji počítačové sítě.

Tento samostatný, komplexní referenční text popisuje standardní algoritmy a ukazuje, jak se používají v různých paradigmatech transferového učení. Nabízí solidní základy pro nováčky i nové poznatky pro zkušené výzkumníky a vývojáře.