Podstawy i metody uczenia maszynowego i głębokiego: Algorytmy, narzędzia i zastosowania

Oryginalny tytuł:

Fundamentals and Methods of Machine and Deep Learning: Algorithms, Tools, and Applications

Zawartość książki:

PODSTAWY I METODY UCZENIA MASZYNOWEGO I GŁĘBOKIEGO

Książka zapewnia praktyczne podejście poprzez wyjaśnienie koncepcji uczenia maszynowego i algorytmów głębokiego uczenia się, ocenę postępów metodologii oraz demonstracje algorytmów z aplikacjami.

W ciągu ostatnich dwóch dekad dziedzina uczenia maszynowego i jej poddziedzina uczenia głębokiego odegrały główną rolę w rozwoju aplikacji oprogramowania. Ponadto, w najnowszych badaniach są one uważane za jedną z przełomowych technologii, które zmienią nasze przyszłe życie, biznes i globalną gospodarkę. Niedawna eksplozja danych cyfrowych w wielu różnych dziedzinach, w tym w nauce, inżynierii, Internecie przedmiotów, biomedycynie, opiece zdrowotnej i wielu sektorach biznesowych, ogłosiła erę dużych zbiorów danych, których nie można analizować za pomocą klasycznych statystyk, ale za pomocą bardziej nowoczesnych, solidnych technik uczenia maszynowego i głębokiego uczenia się. Ponieważ uczenie maszynowe uczy się na podstawie danych, a nie poprzez programowanie zakodowanych reguł decyzyjnych, podejmowane są próby wykorzystania uczenia maszynowego do tworzenia komputerów, które są w stanie rozwiązywać problemy tak jak ludzcy eksperci w danej dziedzinie.

Celem tej książki jest przedstawienie praktycznego podejścia poprzez wyjaśnienie koncepcji uczenia maszynowego i algorytmów głębokiego uczenia się wraz z zastosowaniami. Omówiono nadzorowane algorytmy uczenia maszynowego, algorytmy zespołowego uczenia maszynowego, selekcję cech, techniki głębokiego uczenia i ich zastosowania. Osiemnaście rozdziałów zawiera również unikalne informacje, które zapewniają jasne zrozumienie pojęć za pomocą algorytmów i studiów przypadków zilustrowanych zastosowaniami uczenia maszynowego i uczenia głębokiego w różnych dziedzinach, w tym przewidywania chorób, przewidywania defektów oprogramowania, analizy telewizji online, przetwarzania obrazów medycznych itp. Każdy z rozdziałów pokrótce opisanych poniżej zawiera zarówno wybrane podejście, jak i jego implementację.

Odbiorcy

Naukowcy i inżynierowie zajmujący się sztuczną inteligencją, informatycy, a także twórcy oprogramowania.