好的阅读时间，亲爱的Habr用户！
本文专门介绍Pedro Domingos的《至尊算法》一书，介绍了Master算法（如何探索终极学习机将重塑我们的世界）
作者将一本书献给了他的姐姐，这本书的主要主题是利用机器学习找到与疾病作斗争的手段。
在序言中，作者展示了机器学习的现有应用。
机器学习是一种自身构建的技术。 这是新的
我们世界中的现象。
学习算法是创建其他工件的工件
在第一章中，作者描述了软件算法不断增加的复杂性-空间，时间，人为（检测错误的可能性）。
学习算法是根据数据训练其他算法的算法。
有争议的论文给出：
总有一天，不可避免的事情会发生：学习算法将成为必不可少的中介，力量将集中在其中
第二章提供了本书的主要假设：
可以使用一种通用学习算法从数据中提取过去，现在和将来的所有知识。
争论来自神经生物学，进化，物理学，统计学，计算机科学领域。
正如以赛亚·柏林指出的那样，有些思想家像狐狸，知道很多不同的事物，有些思想家像刺猬，他们知道一件事，但是很重要。
通用学习算法-对抗复杂怪物的强大武器
列出了五种已识别的机器学习类型：
最高算法的搜索很复杂，但是它们受到机器学习领域各种科学学院的竞争的鼓舞。 其中最重要的是象征主义者，连接主义者，进化论者，贝叶斯主义者和类比主义者。
对于符号主义者来说，智力归结为操纵符号-这就是数学家如何求解方程式，用一个表达式替换另一个表达式
对于结缔组织来说，训练就是大脑的工作，因此他们认为必须通过逆向工程复制该器官。
进化论者相信学习之母是自然选择
贝叶斯主义者主要关注不确定性
对于类比，学习的关键是找到不同情况之间的相似性，从而从逻辑上推断其他相似性
此外，在五章中，考虑了每种方法的主要方法，然后作者描述了基于马尔可夫逻辑网络的组合方法：
总结：我们得出的统一机器学习算法使用马尔可夫逻辑网络作为表示，后验概率作为评估函数，其中的优化器使用遗传搜索与梯度下降相结合
第十章描述了在拥有良好学习算法的世界中的收益。
为什么故事梗概有偏见？ 因为我以所描述的算法为基础，但是建议不要将它们压缩成一个算法，而是建议将它们压缩成一个管道：)