Uczenie maszynowe

Oryginalny tytuł:

Machine Learning

Zawartość książki:

Książka obejmie różne algorytmy stosowane w uczeniu maszynowym w zależności od jego różnych typów. Omówimy algorytmy uczenia nadzorowanego, uczenia bez nadzoru i uczenia ze wzmocnieniem. Innymi słowy, omówimy, w jaki sposób uczenie maszynowe jest oparte na zadaniach (np. przewidywanie następnej wartości), danych (np. identyfikacja i klasyfikacja klastrów klientów) i jest w stanie uczyć się na własnych błędach.

Będziemy również nieco techniczni - tylko nieznacznie, gdy omówimy teorię uczenia się obliczeniowego, duże zbiory danych, statystykę, uczenie się i optymalizację, sieci bayesowskie, maszyny wektorów nośnych, algorytmy genetyczne i eksplorację danych. Ponownie, staraliśmy się jak najlepiej uprościć te koncepcje dla laików.

Na końcu tej książki poleciliśmy również powiązane technologie AI, narzędzia open source i języki programowania. Cóż, jeśli jesteś zainteresowany tym, jak faktycznie rozwijać tę technologię lub przynajmniej być w stanie zrozumieć jej bardziej techniczne cechy.

Nie trzeba dodawać, że uczenie maszynowe to nowa i ekscytująca dziedzina z wieloma korzystnymi zastosowaniami. Ułatwia dokładniejszą diagnostykę medyczną, może uprościć marketing produktów, tworzyć dokładniejsze prognozy sprzedaży, poprawić precyzję wielu zasad finansowych, uprościć czasochłonną dokumentację, dostroić konserwację predykcyjną i wiele innych korzyści.