Ocena:
Książka Jamesa Stone'a jest uznawana za zwięzłe, wciągające wprowadzenie do koncepcji uczenia maszynowego i uczenia głębokiego, przeznaczone dla czytelników o różnym poziomie przygotowania matematycznego. Podczas gdy wielu recenzentów chwali jej czytelność i podejście pedagogiczne, niektórzy uważają, że niektóre sekcje są mylące ze względu na duże poleganie na złożonej nomenklaturze i niewystarczające definicje kluczowych terminów.
Zalety:⬤ Zwięzły i zabawny, pełen cennych informacji
⬤ wciągający styl pisania
⬤ dobry dla czytelników z podstawową wiedzą matematyczną
⬤ skutecznie wyjaśnia podstawowe pojęcia
⬤ zapewnia perspektywę historyczną
⬤ autor odpowiada na pytania.
⬤ Mylące nazewnictwo i skomplikowana notacja matematyczna
⬤ niektóre pojęcia słabo zdefiniowane
⬤ niektórzy czytelnicy zgłaszają trudności w zrozumieniu kluczowych idei, szczególnie w późniejszych rozdziałach
⬤ problemy z kompatybilnością z Kindle Scribe
⬤ problemy z dostawą wersji drukowanej.
(na podstawie 15 opinii czytelników)
Artificial Intelligence Engines: A Tutorial Introduction to the Mathematics of Deep Learning
Mózg zawsze miał fundamentalną przewagę nad konwencjonalnymi komputerami: może się uczyć. Jednak nowa generacja algorytmów sztucznej inteligencji, w postaci głębokich sieci neuronowych, szybko eliminuje tę przewagę.
Głębokie sieci neuronowe opierają się na adaptacyjnych algorytmach, aby opanować szeroką gamę zadań, w tym diagnozę raka, rozpoznawanie obiektów, rozpoznawanie mowy, sterowanie robotami, szachy, pokera, backgammona i Go, na nadludzkim poziomie wydajności. W tej bogato ilustrowanej książce kluczowe algorytmy uczenia się sieci neuronowych zostały najpierw wyjaśnione w sposób nieformalny, a następnie przedstawiono szczegółowe analizy matematyczne. Tematy obejmują zarówno historycznie ważne sieci neuronowe (np.
perceptrony), jak i nowoczesne głębokie sieci neuronowe (np. generatywne sieci przeciwstawne).
Programy komputerowe online, zebrane z repozytoriów open source, zapewniają praktyczne doświadczenie z sieciami neuronowymi, a slajdy PowerPoint zapewniają wsparcie w nauczaniu. Napisana w nieformalnym stylu, z obszernym glosariuszem, dodatkami samouczka (np.
Twierdzenie Bayesa) i listą dalszych lektur, jest to idealne wprowadzenie do algorytmicznych silników nowoczesnej sztucznej inteligencji.
