Mélytanulás: Alapok és fogalmak

Olvasói vélemények

Ezt a könyvet az egyik legjobb forrásként tartják számon a mélytanulás és a gépi tanulás megértéséhez, mivel világos, közérthető magyarázatokat és szigorú matematikai alapokat nyújt. Bár jól felépített és átfogó, a matematikai részletek pontatlansága és a mélytanulás egyes szakaszaiban található, nem megfelelő magyarázatok miatt kritikák érik.

⬤ A legjobb könyv a mélytanulásról több kritikus szerint.
⬤ Hozzáférhető és intuitív magyarázatok a matematikai alaposság fenntartása mellett.
⬤ A témák széles skáláját öleli fel, beleértve a legújabb fejlesztéseket, például a transzformátorokat és a diffúziós modelleket.
⬤ Kiváló minőségű nyomtatás és kötés az újabb kiadásokban.
⬤ Kezdők és tapasztalt szakemberek számára egyaránt alkalmas.
⬤ Jól szervezett és pedagógiailag hatékony.

⬤ A konvolúciós hálózatokról és a transzformátorokról szóló egyes fejezetek kevéssé magyarázottak és nem elég mélyek.
⬤ Az olvasók néhány matematikai hibát észleltek, ami aggodalomra ad okot a bonyolultabb témák pontosságát illetően.
⬤ Kezdetben a nyomtatás minőségével kapcsolatos problémákról számoltak be, bár az újabb kiadásokban javult.

(46 olvasói vélemény alapján)

Eredeti címe:

Deep Learning: Foundations and Concepts

Könyv tartalma:

Ez a könyv átfogó bevezetést nyújt a mélytanulás alapját képező központi gondolatokba. A könyv egyaránt szól a gépi tanulásban kezdő és a területen már jártas olvasóknak. A kortárs architektúrákhoz és technikákhoz kapcsolódó kulcsfogalmakat lefedve ez az alapvető fontosságú könyv szilárd alapokkal ruházza fel az olvasókat a lehetséges jövőbeli szakosodáshoz. A mélytanulás területe gyors fejlődésen megy keresztül, ezért ez a könyv azokra az elképzelésekre összpontosít, amelyek valószínűleg kiállják az idő próbáját.

A könyv számos falatnyi fejezetre tagolódik, amelyek mindegyike egy-egy külön témát vizsgál, és az elbeszélés lineárisan halad, minden fejezet az elődök tartalmára épül. Ez a szerkezet jól alkalmazható egy kétszemeszteres alap- vagy posztgraduális gépi tanulás kurzus oktatásához, ugyanakkor ugyanolyan fontos marad az aktív kutatásban vagy önképzésben résztvevők számára is.

A gépi tanulás teljes megértéséhez szükség van némi matematikai háttérre, ezért a könyv tartalmaz egy önálló bevezetést a valószínűségelméletbe. A könyv középpontjában azonban az ötletek világos megértésének közvetítése áll, és a hangsúly inkább a technikák valós gyakorlati értékén van, mint az elvont elméleten. Az összetett fogalmakat ezért több, egymást kiegészítő nézőpontból mutatjuk be, beleértve a szöveges leírásokat, diagramokat, matematikai képleteket és pszeudokódokat.

Chris Bishop a Microsoft technikai munkatársa és a Microsoft Research AI4Science igazgatója. A cambridge-i Darwin College tagja, a Royal Academy of Engineering tagja és a Royal Society tagja.

Hugh Bishop alkalmazott tudós a Wayve-nél, egy londoni mélytanulással foglalkozó autonóm vezetéssel foglalkozó vállalatnál, ahol mély neurális hálózatokat tervez és képez. A Cambridge-i Egyetemen szerzett MPhil fokozatot gépi tanulás és gépi intelligencia témakörben.

"Chris Bishop 1995-ben írt egy fantasztikus tankönyvet a neurális hálózatokról, és alaposan ismeri a területet és annak alapgondolatait. A neurális hálózatok magyarázatában szerzett sokéves tapasztalata rendkívül ügyessé tette abban, hogy bonyolult gondolatokat a lehető legegyszerűbben mutasson be, és öröm látni, hogy ezeket a képességeket a terület forradalmian új fejleményeire alkalmazza." -- Geoffrey Hinton

"A mélytanulás és a mesterséges intelligencia mint kutatási téma közelmúltbeli robbanásszerű elterjedésével, valamint a mesterséges intelligencia alkalmazásainak gyorsan növekvő jelentőségével nagy szükség volt egy modern tankönyvre a témában. Az "Új Bishop" mesterien tölti be ezt a hiányt, kitérve a felügyelt és nem felügyelt tanulás algoritmusaira, a modern mélytanulási architektúracsaládokra, valamint arra, hogyan lehet mindezt különböző alkalmazási területeken alkalmazni."" - Yann LeCun

"Ez a kiváló és nagyon tanulságos könyv naprakészen tájékoztatja az olvasót a mélytanulás főbb fogalmairól és eredményeiről, szilárdan lehorgonyozva a valószínűségszámításban. Ezek a koncepciók hajtják a jelenlegi ipari mesterséges intelligencia rendszereket, és valószínűleg a mesterséges általános intelligencia felé vezető további előrelépések alapját fogják képezni." -- Yoshua Bengio