Értékelés:
A könyv a felhasználói vélemények vegyes gyűjteménye, kiemelve a hozzáférhetőségét és bevezető jellegét, ugyanakkor kritizálva a mélységét és a szerkesztési hibáit. Egyes olvasók nagyra értékelik a gépi tanulás fogalmainak világos magyarázatát, míg mások úgy találják, hogy hiányzik belőle a technikai részletesség és az átfogó magyarázat.
Előnyök:⬤ Nagyszerű munka a bonyolult fogalmak egyszerűvé és hozzáférhetővé tételében.
⬤ Világos és tömör áttekintést nyújt a gépi tanulásról a kezdők számára.
⬤ Széles közönséget szólít meg, beleértve a középiskolásokat és a főiskolásokat is.
⬤ Jó azoknak, akik gyorsan meg akarják érteni a gépi tanulást és a mesterséges intelligenciát.
⬤ Gyors szállítás és minőségi állapot dicséretes.
⬤ Sok kritika a passzív hangnem használatával és a rossz szerkesztéssel, többek között a gépelési hibákkal kapcsolatban.
⬤ Túlságosan alapszintűnek és kevéssé mélyrehatónak tartják azok számára, akik komolyan foglalkoznak a gépi tanulással.
⬤ Egyes szakaszok redundánsak vagy kanyargósak.
⬤ A filozófiai megközelítés nem biztos, hogy minden olvasónak tetszik, különösen azoknak, akik gyakorlati alkalmazásokat keresnek.
⬤ Bizonyos információk aktualitását illetően pontatlanságok.
⬤ Nem alkalmas műszaki vagy haladó tanulók számára.
(78 olvasói vélemény alapján)
Machine Learning: The New AI
A gépi tanulás - az adatokból tanuló számítógépes programok - tömör áttekintése, amely olyan alkalmazások alapjául szolgál, mint az ajánlórendszerek, az arcfelismerés és a vezető nélküli autók.
Ma a gépi tanulás számos olyan alkalmazás alapját képezi, amelyeket nap mint nap használunk, a termékajánlóktól a hangfelismerésig - és olyanokét is, amelyeket még nem használunk mindennap, például a vezető nélküli autókét. Ez az alapja a számítástechnikában alkalmazott új megközelítésnek, amelyben nem programokat írunk, hanem adatokat gyűjtünk.
Az ötlet lényege, hogy az adatokból automatikusan megtanuljuk a feladatokhoz szükséges algoritmusokat. Ahogy a számítástechnikai eszközök egyre inkább mindenütt jelen vannak, életünk és munkánk egyre nagyobb részét rögzítik digitálisan, és ahogy a "Big Data" egyre nagyobb lett, úgy fejlődött a gépi tanulás elmélete - az adatok tudássá történő feldolgozására irányuló erőfeszítések alapja - is. Ebben a könyvben Ethem Alpaydin, a gépi tanulás szakértője tömör áttekintést nyújt a témáról az általános olvasó számára, ismerteti annak fejlődését, elmagyarázza a fontos tanulási algoritmusokat, és példamegoldásokat mutat be.
Alpaydin beszámol arról, hogy a digitális technológia hogyan fejlődött a számokat tördelő nagyszámítógépektől a mobil eszközökig, és ezzel összefüggésben helyezi a mai gépi tanulás boomját. Ismerteti a gépi tanulás alapjait és néhány alkalmazását.
A gépi tanulási algoritmusok használata mintafelismerésre.
Az emberi agy által inspirált mesterséges neurális hálózatok.
Az esetek közötti asszociációkat megtanuló algoritmusok, olyan alkalmazásokkal, mint az ügyfélszegmentálás és a tanulási ajánlások.
És a megerősítéses tanulás, amikor egy autonóm ágens úgy tanul meg cselekedni, hogy maximalizálja a jutalmat és minimalizálja a büntetést. Alpaydin ezután a gépi tanulás és az "adattudomány" új területének néhány jövőbeli irányát veszi fontolóra, és megvitatja az adatvédelemmel és adatbiztonsággal kapcsolatos etikai és jogi következményeket.
