擴(kuò)展機(jī)器學(xué)習(xí)知識新書|環(huán)球今熱點(diǎn)
2023-06-23 01:04:19 來源 : 機(jī)器之心
【資料圖】
與以往不同，《Machine Learning Q and AI》這本書更側(cè)重于解釋概念，而不是動(dòng)手編碼。
近年來，隨著機(jī)器學(xué)習(xí)和人工智能的快速發(fā)展，研究人員和從業(yè)者一直在努力跟上關(guān)于 AI 領(lǐng)域的概念和技術(shù)相關(guān)信息。與此同時(shí)，了解人工智能和深度學(xué)習(xí)的最新進(jìn)展對于使用這些技術(shù)的專業(yè)人士和組織來說至關(guān)重要。 考慮到這一點(diǎn)，機(jī)器學(xué)習(xí)和 AI 研究員 Sebastian Raschka 最近出了一本新書，書籍名為《Machine Learning Q and AI》。Sebastian 表示這本書是從去年夏天開始撰寫的，閱讀該書，可以擴(kuò)展你的機(jī)器學(xué)習(xí)知識，即便你是經(jīng)驗(yàn)豐富的機(jī)器學(xué)習(xí)研究人員和從業(yè)者也會學(xué)到一些新的東西。 這本書涵蓋了機(jī)器學(xué)習(xí)和 AI 中的 30 個(gè)關(guān)鍵概念，涉及的主題包括： 此外，該書適用于已經(jīng)熟練掌握機(jī)器學(xué)習(xí)并渴望學(xué)習(xí)新知識的人，換句話說，這本書是為那些有初級或中級機(jī)器學(xué)習(xí)背景的人準(zhǔn)備的。值得注意的是，這本書沒有晦澀的數(shù)學(xué)公式和代碼，當(dāng)你閱讀時(shí)也無需解決任何證明，非常輕松的就能學(xué)到知識。 書籍地址：/machine-learning-q-and-ai/ 不過需要注意的是，本書不是完全免費(fèi)的，只有部分章節(jié)免費(fèi)獲得。 第一章涵蓋深度神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)相關(guān)問題，這些問題并不限定于特定的子領(lǐng)域。例如，本章討論了監(jiān)督學(xué)習(xí)的替代方案和減少過度擬合的技術(shù)。 第二章主要介紹計(jì)算機(jī)視覺。涵蓋參數(shù)數(shù)量、全連接和卷積層、以及用于視覺 Transformers 的大型訓(xùn)練集。 第三章涵蓋與文本有關(guān)的各種主題，包括用于文本的數(shù)據(jù)增強(qiáng)、自注意力、編碼器和解碼器風(fēng)格 Transformers、微調(diào)預(yù)訓(xùn)練 Transformers、如何評估生成語言模型。 第四章介紹關(guān)于 AI 的生產(chǎn)、實(shí)際和部署場景，內(nèi)容涵蓋無狀態(tài)和有狀態(tài)訓(xùn)練、以數(shù)據(jù)為中心的 AI、加速推理等。 第五章主要介紹預(yù)測性能和模型評估，例如，更改損失函數(shù)、設(shè)置 k-fold 交叉驗(yàn)證以及處理有限的標(biāo)記數(shù)據(jù)。 Sebastian Raschka 是一名機(jī)器學(xué)習(xí)和人工智能研究員，對教育有著強(qiáng)烈的熱情。作為 Lightning AI 的首席 AI 教育家，他讓關(guān)于 AI 和深度學(xué)習(xí)相關(guān)的內(nèi)容更加容易獲得，并教人們?nèi)绾未笠?guī)模利用這些技術(shù)。 在全身心投入 Lightning AI 之前，Sebastian 曾在威斯康星大學(xué)麥迪遜分校擔(dān)任統(tǒng)計(jì)學(xué)助理教授，專門研究深度學(xué)習(xí)和機(jī)器學(xué)習(xí)，你可以在他的網(wǎng)站上找到更多關(guān)于他的研究。此外，Sebastian 熱衷于開源軟件，十多年來一直是一個(gè)充滿熱情的開源貢獻(xiàn)者。他提出的方法現(xiàn)已成功應(yīng)用于 Kaggle 等機(jī)器學(xué)習(xí)競賽。在空閑時(shí)間，Sebastian 還會研究運(yùn)動(dòng)型預(yù)測模型。 除了編寫代碼，Sebastian 還喜歡寫作，并撰寫了暢銷書《Python Machine Learning》（《Python 機(jī)器學(xué)習(xí)》）和《Machine Learning with PyTorch and ScikitLearn》。 除此以外，Sebastian 還喜歡研究數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和 Python，他也非常愿意幫助人們開發(fā)數(shù)據(jù)驅(qū)動(dòng)的解決方案，而無需任何機(jī)器學(xué)習(xí)背景。 ?THE END
轉(zhuǎn)載請聯(lián)系本公眾號獲得授權(quán)
投稿或?qū)で髨?bào)道：content@
關(guān)鍵詞：
