Mélytanulás

Olvasói vélemények

A könyv átfogó bevezetést nyújt a mélytanulásba, a matematikai alapokra és elvekre összpontosítva. Bár dicséretet kap világos magyarázataiért és mélységéért, a potenciális olvasóknak rendelkezniük kell némi matematikai háttérrel ahhoz, hogy teljes mértékben megérthessék a tartalmat. A könyv azonban nem alkalmas azok számára, akik gyakorlati alkalmazásokat vagy programozási útmutatást keresnek a mélytanulásban.

⬤ Az összetett témák világos és tömör magyarázatai.
⬤ A mélytanulás matematikai alapjaira összpontosít.
⬤ Az algebra és némi számtan alapismeretekkel rendelkező olvasók számára is hozzáférhető.
⬤ Frissítő megközelítést kínál, hangsúlyt fektetve a geometriára és a vizuális ábrázolásra.
⬤ Széles közönség számára alkalmas, beleértve a szoftvermérnököket és a kezdőket is.
⬤ Sokan hasznosnak találták az alapfogalmak megértéséhez, mielőtt belemerülnének a bonyolultabb anyagokba.

⬤ A számtan és a lineáris algebra jó ismeretét igényli, ami nem biztos, hogy minden olvasó számára elérhető.
⬤ A könyv nem azoknak szól, akik Deep Learning algoritmusokat vagy szoftvereket szeretnének megvalósítani.
⬤ Néhány kritikus a középső részeket kihívásnak találta.
⬤ Fizikailag kisebb a vártnál, ami néhány olvasónak csalódást okozhat.
⬤ A Kindle verzió a beszámolók szerint nehezen olvasható a formázási problémák miatt.

(48 olvasói vélemény alapján)

Eredeti címe:

Deep Learning

Könyv tartalma:

Közérthető bevezetés a mesterséges intelligencia technológiájába, amely lehetővé teszi a számítógépes látást, a beszédfelismerést, a gépi fordítást és a vezető nélküli autókat.

A mélytanulás olyan mesterséges intelligencia technológia, amely lehetővé teszi a számítógépes látást, a mobiltelefonok beszédfelismerését, a gépi fordítást, a mesterséges intelligencia játékokat, a vezető nélküli autókat és más alkalmazásokat. Amikor a Google, a Microsoft, a Facebook, az Apple vagy a Baidu fogyasztói termékeit használjuk, gyakran interakcióba lépünk egy mélytanuló rendszerrel. Az MIT Press Essential Knowledge sorozatának e kötetében John Kelleher informatikus közérthető és tömör, de átfogó bevezetést nyújt a mesterséges intelligencia forradalmának középpontjában álló alapvető technológiába.

Kelleher elmagyarázza, hogy a mélytanulás adatvezérelt döntéseket tesz lehetővé azáltal, hogy nagy adathalmazokból azonosítja és kivonja a mintákat; a komplex adatokból való tanulás képessége ideálisan alkalmassá teszi a mélytanulást arra, hogy kihasználja a nagy adatmennyiség és a számítási teljesítmény gyors növekedését. Kelleher elmagyarázza a mélytanulás néhány alapfogalmát is, bemutatja a terület fejlődésének történetét, és tárgyalja a tudomány jelenlegi állását. Ismerteti a legfontosabb mélytanulási architektúrákat, köztük az autoencodereket, a rekurrens neurális hálózatokat és a hosszú rövid távú hálózatokat, valamint az olyan legújabb fejlesztéseket, mint a Generative Adversarial Networks és a kapszulahálózatok. Emellett átfogó (és közérthető) bevezetést nyújt a mélytanulás két alapvető algoritmusába: a gradiens ereszkedésbe és a backpropagációba. Végül Kelleher a mélytanulás jövőjét vizsgálja - a főbb trendeket, a lehetséges fejlesztéseket és a jelentős kihívásokat.