Hi, habrozhiteli!
Eine vollfarbige Neuheit
„Maschinelles Lernen ohne zusätzliche Wörter“ wird für die Auslieferung an die Druckerei vorbereitet
.Nr. 1 im Data Mining
# 2 in Programmieralgorithmen
# 3 in der Maschinentheorie
Dieses Buch wird von Peter Norvig, James Garrett und Aurelien Geron zum Lesen empfohlen. Das Vorwort zur russischsprachigen Publikation stammt von Sergey Nikolenko, Autor unseres Kultbuchs
„Deep Learning“In naher Zukunft werden wir einen Auszug veröffentlichen und eine Vorbestellung eröffnen, aber jetzt erteilen wir Sergey Nikolenko das Wort und danken ihm für die unschätzbaren Empfehlungen, die es möglich gemacht haben, die russischsprachige Ausgabe des Buches zu verbessern.
„Maschinelles Lernen ist wahrscheinlich die heißeste und am schnellsten wachsende Disziplin in der modernen Informatik, wenn nicht überhaupt in der modernen Wissenschaft. Jeden Tag erscheinen neue Modelle und neue Artikel, alle paar Monate gibt es einen weiteren Durchbruch, der in die Nachrichten einfließt und neue Möglichkeiten eröffnet, und ein oder zwei Jahre lang gibt es eine Revolution in der gesamten Branche. Seit zehn Jahren, nach der Revolution des tiefen Lernens, leben wir in einer neuen (dritten) Welle des Hype der künstlichen Intelligenz, und bisher hat nichts vorhergesagt, dass dies bald enden wird.
Es ist nicht überraschend, dass maschinelles Lernen jetzt viele Menschen anzieht, die es noch nie zuvor gemacht haben. Jemand hat etwas über die Einnahmen in der Branche gelernt und möchte „künstliche Intelligenz mit 300 K / s entwickeln“, jemand möchte herausfinden, ob es an der Zeit ist, „sein Geschäft von Big Data auf maschinelles Lernen umzustellen“, und jemand kommt mit Deep zu AI Ideen, wie man aus ethischer eine gemeinsame künstliche Intelligenz machen kann, die Menschen nicht versklavt oder tötet, sondern ihnen hilft (im Allgemeinen ist dies ein sehr ernstes Gespräch, aber für jeden Fachmann ist es offensichtlich, dass dies noch sehr, sehr weit von der Praxis oder der inhaltlichen Forschung entfernt ist )
Aus diesem Grund ist es in unserer Zeit sehr nützlich, eine kurze Einführung in das maschinelle Lernen zu haben, zu der Sie immer einen Link geben können und nach der Sie sicher sein können, dass die Person dieselbe Sprache spricht. Ich sehe in diesem Buch einen Versuch, eine solche Einführung zu geben, und es scheint mir, dass sich dieser Versuch als sehr erfolgreich herausgestellt hat. Das Buch bietet dem Leser eine Reihe grundlegender Konzepte und Methoden des maschinellen Lernens, die hier korrekt dargestellt werden, wenn auch aus offensichtlichen Gründen nur sehr kurz. Wenn Sie dieses Buch jedoch beherrschen, kann die weitere Selbsterziehung viel einfacher und schneller vonstatten gehen, da Sie bereits mehr spezielle Quellen lesen können. Darüber hinaus wird Ihnen viel klarer, was genau der Code von maschinellen Lernbibliotheken bewirkt - ein Spezialist sollte keine Magie mehr haben.
Schmeicheln Sie sich nicht: Weder in der Geometrie noch beim maschinellen Lernen oder anderswo gibt es einen Königsweg. Es gibt keinen magischen Weg, "in 30 Tagen ohne SMS und Registrierung künstliche Intelligenz zu entwickeln". Und natürlich bietet auch dieses Buch keine solche Methode. Einerseits benötigen Sie einige mathematische Qualifikationen, um zu verstehen, was hier gesagt wird (obwohl Kapitel 2 wörtlich mit dem Begriff „Pluralität“ beginnt, sollte es natürlich eher als Erinnerung für diejenigen verstanden werden, die dies bereits studiert haben). Andererseits ist dieses Buch nur der Anfang der Reise in die interessante und vielfältige Welt des maschinellen Lernens; Nachdem Sie es gelesen haben, werden Sie kein Profi - Sie machen den ersten kleinen Schritt.
Wenn Sie das Buch jedoch nachdenklich lesen und das Gesagte wirklich beherrschen, kann dieser Schritt zu einem großen Sprung werden. Was ich allen Lesern wünsche: verstehen, lernen, sich für das Neue interessieren und keine Angst vor Schwierigkeiten haben. Viel Glück! "
Sergey Nikolenko,
Autor des Buches „Deep Learning. Eintauchen in die Welt der neuronalen Netze ",
Angestellter des Labors für mathematische Logik der Filiale St. Petersburg des Mathematischen Instituts der Russischen Akademie der Wissenschaften,
Chief Research Officer, Neuromationsplattform