Értékelés:
Paolo Perrotta „Programming Machine Learning” című könyvét széles körben nagyra értékelik a gépi tanulás fogalmainak világos és módszertani megközelítése miatt. Sikeresen vezeti végig a kezdőket a gépi tanulás és a neurális hálózatok alapjain anélkül, hogy erősen támaszkodna a meglévő könyvtárakra, így az összetett témák könnyebben hozzáférhetővé válnak. Néhány kritikus azonban hiányosságokat állapított meg a mélyebb matematikai magyarázatok és egyes haladó témák tekintetében, ami arra utal, hogy a könyv nem felel meg azoknak az igényeinek, akik átfogó lefedettséget keresnek ezeken a területeken.
Előnyök:⬤ Világos és fokozatos bevezetés a gépi tanulás fogalmaiba.
⬤ Jó magyarázatok a mögöttes matematikáról és kódról.
⬤ Gyakorlati, gyakorlatias megközelítés példákkal.
⬤ Jól illusztrált diagramok, amelyek elősegítik a megértést.
⬤ Személyre szabott szerzői támogatás és elkötelezettség.
⬤ Kiválóan alkalmas kezdőknek és középhaladó programozóknak, akik alapozó ismereteket szeretnének szerezni.
⬤ Hiányzik a fogalmak mélyreható matematikai leírása.
⬤ Egyes fejezetek, például a CNN-ekről szóló fejezetek nem megfelelőek.
⬤ A haladó témák korlátozott lefedettsége, ami nem biztos, hogy kielégíti az átfogó ismereteket keresőket.
(19 olvasói vélemény alapján)
Programming Machine Learning: From Coding to Deep Learning
Úgy döntöttél, hogy foglalkozol a gépi tanulással - mert állást keresel, új projektbe kezdesz, vagy egyszerűen csak úgy gondolod, hogy az önvezető autók menők. De hol kezdje el? Könnyű megfélemlíteni, még szoftverfejlesztőként is. A jó hír az, hogy nem kell, hogy olyan nehéz legyen. Sajátítsd el a gépi tanulást úgy, hogy soronként írsz kódot, az egyszerű tanulási programoktól egészen egy valódi mélytanuló rendszerig. Birkózz meg a nehéz témákkal úgy, hogy lebontod őket, így könnyebben érthetővé válnak, és építsd az önbizalmadat azzal, hogy bepiszkítod a kezed.
Hámozd le a gépi tanulás homályát, a nulláról kezdve egészen a mélytanulásig. A gépi tanulás félelmetes lehet, mivel olyan matematikára és algoritmusokra támaszkodik, amelyekkel a legtöbb programozó nem találkozik a szokásos munkája során. Válaszd a gyakorlati megközelítést, és írd meg te magad a Python kódot, könyvtárak nélkül, amelyek elhomályosítanák, hogy mi is történik valójában. Iteráld a tervedet, és menet közben növeld a komplexitás rétegeit.
Építsen képfelismerő alkalmazást a semmiből felügyelt tanulással. Jósolja meg a jövőt lineáris regresszióval. Merüljön el a gradiens ereszkedésben, a gépi tanulás nagy részét vezérlő alapvető algoritmusban. Hozzon létre perceptronokat az adatok osztályozásához. Építsen neurális hálózatokat a bonyolultabb és kifinomultabb adathalmazok kezeléséhez. Képezze és finomítsa ezeket a hálózatokat backpropagációval és kötegeléssel. Rétegezze a neurális hálózatokat, szüntesse meg a túlillesztést, és adjon hozzá konvolúciót, hogy a neurális hálózatot valódi mélytanuló rendszerré alakítsa.
Kezdje az elejéről, és kódolja be magát a gépi tanulás mesteri szintjére.
Amire szüksége van:
A könyvben szereplő példák Python nyelven íródtak, de ne aggódjon, ha nem ismeri ezt a nyelvet: nagyon gyorsan elsajátíthat minden Pythont, amire szüksége van. Ezen kívül csak a számítógépedre és a kódoláshoz értő agyadra lesz szükséged.