Hai, habrozhiteli!
Sebuah kebaruan penuh warna
"Pembelajaran Mesin Tanpa Kata-Kata Tambahan" sedang dipersiapkan untuk dikirim ke percetakan
.# 1 di Penambangan Data
# 2 dalam Algoritma Pemrograman
# 3 dalam Teori Mesin
Buku ini direkomendasikan untuk dibaca oleh Peter Norvig, James Garrett, dan Aurelien Geron. Kata pengantar untuk publikasi berbahasa Rusia ini ditulis oleh Sergey Nikolenko, penulis buku kultus kami
"Deep Learning"Dalam waktu dekat kami akan memposting kutipan dan membuka pre-order, tetapi untuk sekarang kami memberikan dasar untuk Sergey Nikolenko dan berterima kasih kepadanya untuk rekomendasi yang tak ternilai yang telah memungkinkan untuk meningkatkan edisi bahasa Rusia buku.
“Pembelajaran mesin mungkin adalah disiplin ilmu terpanas dan paling cepat berkembang dalam ilmu komputer modern, jika tidak dalam ilmu modern sama sekali. Setiap hari muncul model baru dan artikel baru keluar, setiap dua bulan sekali ada terobosan lain yang masuk ke berita dan membuka peluang baru, dan sekali setahun atau dua revolusi terjadi di seluruh industri. Selama sepuluh tahun sekarang, setelah revolusi pembelajaran yang mendalam, kita telah hidup di gelombang baru (ketiga) dari kecerdasan buatan, dan sejauh ini tidak ada yang meramalkan bahwa itu akan segera berakhir.
Tidak mengherankan bahwa pembelajaran mesin sekarang menarik banyak orang yang belum pernah melakukannya sebelumnya. Seseorang telah belajar tentang penghasilan di industri dan ingin "mengembangkan kecerdasan buatan pada 300K / detik", seseorang ingin mengetahui apakah sudah waktunya untuk "mentransfer bisnis mereka dari data besar ke pembelajaran mesin", dan seseorang datang ke AI dengan mendalam ide tentang bagaimana menjadikan etika suatu kecerdasan buatan umum yang tidak akan memperbudak atau membunuh orang, tetapi akan membantu mereka (secara umum, ini adalah percakapan yang sangat serius, tetapi jelas bagi profesional mana pun bahwa ini masih sangat, sangat, sangat jauh dari praktik atau penelitian substantif) )
Oleh karena itu, di zaman kita, sangat berguna untuk memiliki pengantar singkat tentang pembelajaran mesin, di mana Anda selalu dapat memberikan tautan dan setelah itu Anda dapat yakin bahwa orang tersebut berbicara bahasa yang sama. Saya melihat upaya untuk memberikan pengantar seperti itu dalam buku ini, dan bagi saya tampaknya upaya ini ternyata sangat sukses. Buku ini benar-benar menyajikan kepada pembaca berbagai konsep dasar dan metode pembelajaran mesin, yang dinyatakan dengan benar di sini, meskipun untuk alasan yang jelas, sangat singkat. Tetapi jika Anda menguasai buku ini, pendidikan mandiri lebih lanjut bisa lebih mudah dan lebih cepat, karena Anda sudah dapat membaca lebih banyak sumber khusus. Selain itu, akan jauh lebih jelas bagi Anda apa sebenarnya kode perpustakaan pembelajaran mesin lakukan - untuk spesialis, seharusnya tidak ada keajaiban yang tersisa dalam hal ini.
Jangan menyanjung diri sendiri: tidak ada jalan kerajaan baik dalam geometri, pembelajaran mesin, atau di mana pun. Tidak ada dan tidak mungkin ada cara ajaib "belajar mengembangkan kecerdasan buatan dalam 30 hari tanpa sms dan pendaftaran." Dan buku ini, juga, tentu saja, tidak menyediakan metode seperti itu. Di satu sisi, Anda akan memerlukan beberapa kualifikasi matematika untuk memahami apa yang dinyatakan di sini (meskipun bab 2 dimulai secara harfiah dengan apa "pluralitas" itu, tentu saja, harus dilihat lebih sebagai pengingat bagi mereka yang telah mempelajari ini). Di sisi lain, buku ini hanyalah awal dari perjalanan menuju dunia pembelajaran mesin yang menarik dan beragam; setelah membacanya, Anda tidak akan menjadi seorang profesional - Anda akan mengambil langkah kecil pertama.
Tetapi jika Anda membaca buku dengan serius dan benar-benar menguasai apa yang dikatakan di sini, langkah ini dapat berubah menjadi lompatan besar. Apa yang saya harap semua pembaca: mengerti, belajar, tertarik pada yang baru dan jangan takut kesulitan. Semoga beruntung! "
Sergey Nikolenko,
penulis buku "Belajar Dalam. Perendaman dalam dunia jaringan saraf ",
pegawai laboratorium logika matematika cabang St. Petersburg dari Institut Matematika Akademi Ilmu Pengetahuan Rusia,
Kepala Riset Officer, Platform Neuromation