Андрей Бурков - Машинное обучение без лишних слов
Название: | Машинное обучение без лишних слов | |
Автор: | Андрей Бурков | |
Жанр: | Искусственный интеллект | |
Изадано в серии: | Библиотека программиста | |
Издательство: | Питер | |
Год издания: | 2020 | |
ISBN: | 978-5-4461-1560-0 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Машинное обучение без лишних слов"
Все, что вам действительно нужно знать о машинном обучении, может уместиться на паре сотен страниц. Начнем с простой истины: машины не учатся. Типичное машинное обучение заключается в поиске математической формулы, которая при применении к набору входных данных (называемых обучающими данными) даст желаемые результаты. Андрей Бурков постарался дать все необходимое, чтобы каждый мог стать отличным современным аналитиком или специалистом по машинному обучению. То, что удалось вместить в пару сотен страниц, в других книгах растянуто на тысячи. Типичные книги по машинному обучению консервативны и академичны, здесь же упор сделан на алгоритмах и методах, которые пригодятся в повседневной работе.
Читаем онлайн "Машинное обучение без лишних слов" (ознакомительный отрывок). [Страница - 2]
Глава 5. Практические основы.................................................................................. 69
5.1. Проектирование признаков............................................................................. 69
5.2. Выбор алгоритма обучения............................................................................. 74
5.3. Три набора..................................................................................................... 76
5.4. Недообучение и переобучение........................................................................ 78
5.5. Регуляризация................................................................................................ 81
5.6. Оценка эффективности модели....................................................................... 82
5.7. Настройка гиперпараметров............................................................................ 88
Глава 6. Нейронные сети и глубокое обучение.......................................................... 91
6.1. Нейронные сети.............................................................................................. 91
6.2. Глубокое обучение......................................................................................... 95
Глава 7. Проблемы и решения................................................................................. 110
7.1. Ядерная регрессия........................................................................................ 110
7.2. Многоклассовая классификация.................................................................... 112
7.3. Одноклассовая классификация..................................................................... 113
7.4. Классификация с многими метками............................................................... 116
7.5. Обучение ансамбля....................................................................................... 118
7.6. Обучение маркировке последовательностей................................................. 123
7.7. Обучение преобразованию последовательностей в последовательности....... 124
7.8. Активное обучение....................................................................................... 126
7.9. Обучение с частичным привлечением учителя.............................................. 128
7.10. Обучение с первого раза............................................................................. 131
7.11. Обучение без подготовки............................................................................ 133
Оглавление 7
Глава 8. Продвинутые методики.............................................................................. 135
8.1. Работа с несбалансированными наборами данных........................................ 135
8.2. Объединение моделей.................................................................................. 137
8.3. Обучение нейронных сетей........................................................................... 139
8.4. Продвинутая регуляризация......................................................................... 140
8.5. Обработка нескольких входов....................................................................... 141
8.6. Обработка нескольких выходов.................................................................... 142
8.7. Перенос обучения......................................................................................... 143
8.8. Эффективность алгоритмов.......................................................................... 144
Глава 9. Обучение без учителя............................................................................... 147
9.1. Оценка плотности......................................................................................... 147
9.2. Кластеризация.............................................................................................. 149
9.3. Сокращение размерности.............................................................................. 159
9.4. Обнаружение аномалий................................................................................ 164
Глава 10. Другие формы обучения.......................................................................... 165
10.1. Определение метрик................................................................................... 165
10.2. Определение ранга..................................................................................... 167
10.3. Обучение делать рекомендации.................................................................. 170
10.4. Самообучение с учителем: вложения слов.................................................. 174
Глава 11. Заключение............................................................................................. 177
11.1. Что не было затронуто................................................................................ 177
11.2. Благодарности............................................................................................ 181
Алфавитный указатель........................................................................................ 183
Моим родителям Татьяне и Валерию и моей семье:
дочерям Катрин и Еве и брату Дмитрию
Все модели ошибочны, но некоторые
полезны.
Джордж Бокс
Письмо это вышло более длинным
только потому, что мне некогда было
написать его короче.
Блез Паскаль
Предисловие
к русскому изданию
Машинное обучение, наверное, самая горячая и быстроразвивающаяся дисциплина в современной информатике, если не в современной науке вообще. Каждый день появляются новые модели и выходят новые статьи, раз в пару месяцев
происходит очередной прорыв, который попадает в новости и открывает новые
возможности, а раз в год-два происходит переворот в целой отрасли. Вот уже
десять лет, после революции глубокого обучения, мы живем на новой (третьей)
волне хайпа искусственного интеллекта, и пока ничто не предвещает, что она
скоро --">
Книги схожие с «Машинное обучение без лишних слов» по жанру, серии, автору или названию:
Орельен Жерон - Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow Жанр: Искусственный интеллект Год издания: 2020 Серия: Бестселлеры o’reilly |
Валлиаппа Лакшманан, Сара Робинсон, Майкл Мунн - Машинное обучение. Паттерны проектирования Жанр: Искусственный интеллект Год издания: 2022 Серия: Бестселлеры o’reilly |
Мартин Форд - Архитекторы интеллекта Жанр: Современные российские издания Год издания: 2019 Серия: Библиотека программиста |
Грант Бейлевельд, Джон Крон, Аглаэ Бассенс - Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту Жанр: Искусственный интеллект Год издания: 2020 Серия: Библиотека программиста |
Другие книги из серии «Библиотека программиста»:
Эрик Мэтиз - Изучаем Python. Программирование игр, визуализация данных, веб-приложения Жанр: Программирование игр Серия: Библиотека программиста |
Дэниел Г Грэм - Этичный хакинг практическое руководство по взлому Жанр: Хакерство Год издания: 2022 Серия: Библиотека программиста |
Владстон Феррейра Фило, Пиктет Мото - Теоретический минимум по Computer Science Жанр: Околокомпьютерная литература Год издания: 2022 Серия: Библиотека программиста |
Алексей Васильев - Java для всех Жанр: Java, Java Script Год издания: 2020 Серия: Библиотека программиста |