Olvasói vélemények
Összegzés:A könyvről vegyes vélemények születtek, egyes olvasók szerint nem hasznos a gyakorlati kódolási ismereteket kereső fejlesztők számára, míg mások értékelik a gépi tanulás fogalmainak megértését segítő elméleti keretét. Az anyag áttekinthetőségével és a kódolási példák hiányával kapcsolatos aggályok kiemelkedőnek tűnnek, különösen azok számára, akik programozói háttérrel rendelkeznek és a gépi tanulást szeretnék alkalmazni.
Előnyök:Néhány olvasó úgy találta, hogy a könyv jó elméleti megértést nyújt a gépi tanulásról, és betekintést nyújt az ML megközelítésének lehetséges problémáiba. Segíthet az olvasóknak felmérni, hogy meglévő tudásuk alapján készen állnak-e arra, hogy szembenézzenek ezekkel a kihívásokkal.
Hátrányok:Sok kritikus azt kifogásolta, hogy a könyv inkább a megbeszélésről szól, mint a kódolásról, nem elég világosak a magyarázatok, és nem nyújt elegendő gyakorlati példát. Nem adja meg egyértelműen a Visual Studio szükséges verzióját a feladatok elvégzéséhez, és sokan inkább zavarodottnak, mintsem megvilágosodottnak érezték magukat az olvasás után.
(4 olvasói vélemény alapján)
Eredeti címe:
Introducing Machine Learning
Könyv tartalma:
A gépi tanulás fogalmainak elsajátítása és valós megoldások kidolgozása
A gépi tanulás hatalmas lehetőségeket kínál, és A gépi tanulás bevezetése gyakorlati ismereteket nyújt ahhoz, hogy a legtöbbet hozhassuk ki belőlük. Dino és Francesco Esposito a mesterséges intelligencia alapjainak és bármely gépi tanulási projekt alapvető lépéseinek gyors áttekintésével kezdi. Ezután bemutatják a Microsoft nagy teljesítményű ML.NET könyvtárát, beleértve az adatfeldolgozás, a képzés és a kiértékelés képességeit. Bemutatják a valós problémák megoldására betanítható algoritmuscsaládokat, valamint a neurális hálózatokat használó mélytanulási technikákat. A szerzők végezetül bemutatják az Azure felhőplatformon keresztül elérhető értékes futásidejű szolgáltatásokat, és megvizsgálják a gépi tanulás hosszú távú üzleti jövőképét.
- A 14-szeres Microsoft MVP Dino Esposito és Francesco Esposito segít.
- Fedezze fel, mit tudunk arról, hogyan tanul az ember, és hogyan épül fel az intelligens szoftver.
- Fedezze fel, hogy a gépi tanulás milyen problémákat képes megoldani.
- Értse meg a gépi tanulás csővezetékét: az átadható modellhez vezető lépéseket.
- Használja az AutoML-t, hogy automatikusan kiválassza a legjobb csővezetéket bármilyen problémához és adatkészlethez.
- Az ML.NET elsajátítása, csővezetékének megvalósítása, valamint feladatainak és algoritmusainak alkalmazása.
- Fedezze fel a gépi tanulás matematikai alapjait.
- Készítsen előrejelzéseket, javítsa a döntéshozatalt, és alkalmazzon valószínűségi módszereket.
- Csoportosítsa az adatokat osztályozás és klaszterezés segítségével.
- Ismerje meg a mélytanulás alapjait, beleértve a neurális hálózatok tervezését.
- Használja ki a mesterséges intelligencia felhőszolgáltatásokat, hogy gyorsabban tudjon jobb valós megoldásokat készíteni.
A könyvről
- Azoknak a szakembereknek, akik gépi tanulási alkalmazásokat szeretnének készíteni: mind a fejlesztőknek, akiknek adattudományi ismeretekre van szükségük, mind az adattudósoknak, akiknek releváns programozási ismeretekre van szükségük.
- Tartalmaz példákat az ML.NET könyvtár segítségével épített gépi tanulási kódolási forgatókönyvekre.
