Gépi tanulás

Eredeti címe:

Machine Learning

Könyv tartalma:

A könyv a gépi tanulásban használt különböző algoritmusokat tárgyalja a különböző típusok szerint. Kitérünk a felügyelt tanulás, a felügyelet nélküli tanulás és a megerősítéses tanulás algoritmusaira. Más szóval, át fogjuk venni, hogy a gépi tanulás feladatvezérelt (pl. a következő érték előrejelzése), adatvezérelt (pl. ügyfélklaszterek azonosítása és osztályozása), és képes tanulni a saját hibáiból.

Egy kicsit technikai jellegűvé is válunk - csak egy kicsit, amikor a számítógépes tanuláselméletet, a nagy adatokat, a statisztikát, a tanulást és az optimalizálást, a Bayes-hálózatokat, a támogató vektorgépeket, a genetikai algoritmusokat és az adatbányászatot tárgyaljuk. Ismétlem, a legjobb tudásunk szerint igyekeztünk ezeket a fogalmakat a laikusok számára leegyszerűsíteni.

A könyv végén a kapcsolódó AI-technológiákat, nyílt forráskódú eszközöket és programozási nyelveket is ajánlottunk. Nos, már ha érdekli, hogyan lehet ténylegesen fejleszteni ezt a technológiát, vagy legalábbis képesnek érzi magát arra, hogy megértse annak technikai jellegű jellemzőit.

Mondanom sem kell, hogy a gépi tanulás egy új és izgalmas terület, rengeteg hasznos alkalmazással. Megkönnyíti a pontosabb orvosi diagnózist, egyszerűsítheti a termékmarketinget, pontosabb értékesítési előrejelzéseket készíthet, javítja számos pénzügyi szabály pontosságát, egyszerűsíti az időigényes dokumentációt, finomhangolhatja a prediktív karbantartást, és még számos más előnye van.