Opinie czytelników
Podsumowanie:Książka ma mieszane recenzje, a niektórzy czytelnicy uważają ją za nieprzydatną dla programistów poszukujących praktycznej wiedzy na temat kodowania, podczas gdy inni doceniają jej teoretyczne ramy do zrozumienia koncepcji uczenia maszynowego. Obawy co do przejrzystości materiału i braku przykładów kodowania wydają się oczywiste, szczególnie dla osób z doświadczeniem w programowaniu, które chcą zastosować uczenie maszynowe.
Zalety:Niektórzy czytelnicy stwierdzili, że książka zapewnia dobre teoretyczne zrozumienie uczenia maszynowego, oferując wgląd w potencjalne problemy przy podejściu do ML. Może to pomóc czytelnikom ocenić, czy są gotowi na podjęcie tych wyzwań w oparciu o ich istniejącą wiedzę.
Wady:Wielu recenzentów krytykowało książkę za to, że więcej w niej dyskusji niż kodowania, brak jasnych wyjaśnień i niewystarczającą ilość praktycznych przykładów. Nie określa ona jasno wersji Visual Studio niezbędnej do wykonania ćwiczeń, a wielu z nich czuło się raczej zdezorientowanych niż oświeconych po przeczytaniu.
(na podstawie 4 opinii czytelników)
Oryginalny tytuł:
Introducing Machine Learning
Zawartość książki:
Opanuj koncepcje uczenia maszynowego i opracuj rzeczywiste rozwiązania
Uczenie maszynowe oferuje ogromne możliwości, a Introducing Machine Learning dostarcza praktycznej wiedzy, aby jak najlepiej je wykorzystać. Dino i Francesco Esposito rozpoczynają od szybkiego przeglądu podstaw sztucznej inteligencji i podstawowych kroków każdego projektu uczenia maszynowego. Następnie wprowadzają potężną bibliotekę ML.NET firmy Microsoft, w tym możliwości przetwarzania danych, szkolenia i oceny. Przedstawiają rodziny algorytmów, które mogą być trenowane w celu rozwiązywania rzeczywistych problemów, a także techniki głębokiego uczenia wykorzystujące sieci neuronowe. Na zakończenie autorzy przedstawiają cenne usługi uruchomieniowe dostępne za pośrednictwem platformy chmurowej Azure i rozważają długoterminową wizję biznesową uczenia maszynowego.
- 14-krotni Microsoft MVP Dino Esposito i Francesco Esposito pomogą ci.
- Dowiedz się, co wiadomo o tym, jak ludzie się uczą i jak powstaje inteligentne oprogramowanie.
- Odkryć, jakie problemy może rozwiązać uczenie maszynowe.
- Zrozumieć potok uczenia maszynowego: kroki prowadzące do gotowego modelu.
- Skorzystaj z AutoML, aby automatycznie wybrać najlepszy potok dla dowolnego problemu i zbioru danych.
- Opanuj ML.NET, zaimplementuj jego potok oraz zastosuj jego zadania i algorytmy.
- Poznaj matematyczne podstawy uczenia maszynowego.
- Twórz prognozy, usprawniaj podejmowanie decyzji i stosuj metody probabilistyczne.
- Grupuj dane za pomocą klasyfikacji i klastrowania.
- Poznaj podstawy głębokiego uczenia, w tym projektowania sieci neuronowych.
- Wykorzystaj usługi AI w chmurze do szybszego tworzenia lepszych rozwiązań w świecie rzeczywistym.
O tej książce
- Dla profesjonalistów, którzy chcą tworzyć aplikacje uczenia maszynowego: zarówno programistów, którzy potrzebują umiejętności w zakresie nauki o danych, jak i naukowców zajmujących się danymi, którzy potrzebują odpowiednich umiejętności programistycznych.
- Zawiera przykłady scenariuszy kodowania uczenia maszynowego zbudowanych przy użyciu biblioteki ML.NET.
