Avis des lecteurs
Résumé:Ce livre est très apprécié pour la profondeur et la variété des sujets abordés dans l'IA et l'apprentissage automatique, ce qui en fait une ressource précieuse pour ceux qui ont des bases solides dans le domaine. Il est bien écrit, avec des explications accessibles et des exercices qui améliorent la compréhension. Cependant, il ne convient pas aux débutants absolus, car il suppose un niveau élevé de connaissances en mathématiques et en concepts d'IA.
Avantages:⬤ Bien écrit et accessible
⬤ couvre une variété de sujets
⬤ inclut des exercices dans chaque chapitre
⬤ les chapitres sont de taille réduite et peuvent être lus indépendamment les uns des autres
⬤ idéal pour ceux qui ont une base solide en IA
⬤ clarifie les concepts sous-jacents.
⬤ Ne convient pas aux débutants absolus
⬤ suppose une connaissance de haut niveau des mathématiques et des concepts fondamentaux de l'IA
⬤ peut être trompeur pour les novices.
(basé sur 4 avis de lecteurs)
Titre original :
Machine Learning Q and AI: 30 Essential Questions and Answers on Machine Learning and AI
Contenu du livre :
Apprenez les réponses à 30 questions de pointe sur l'apprentissage automatique et l'IA et améliorez votre expertise dans ce domaine.
Si vous avez acquis les bases de l'apprentissage automatique et de l'intelligence artificielle et que vous souhaitez combler vos lacunes de manière ludique, ce livre est fait pour vous. Cette série de chapitres courts et rapides aborde 30 questions essentielles dans le domaine, vous aidant à rester au courant des dernières technologies que vous pouvez mettre en œuvre dans votre propre travail.
Chaque chapitre de Machine Learning and AI Beyond the Basics pose et répond à une question centrale, avec des diagrammes pour expliquer les nouveaux concepts et de nombreuses références pour une lecture plus approfondie. Ces informations pratiques et de pointe sont absentes de la plupart des cours d'introduction, mais sont essentielles pour les applications dans le monde réel, la recherche et les entretiens techniques. Vous n'aurez pas besoin de résoudre des preuves ou d'exécuter du code, c'est pourquoi ce livre est un parfait compagnon de voyage. Vous apprendrez un large éventail de nouveaux concepts dans les architectures de réseaux neuronaux profonds, la vision par ordinateur, le traitement du langage naturel, la production et le déploiement, et l'évaluation des modèles, y compris comment :
⬤ Réduire le surajustement avec des données altérées ou des modifications de modèles.
⬤ Gérer les sources courantes d'aléa lors de l'entraînement des réseaux neuronaux profonds.
⬤ Accélérer l'inférence du modèle grâce à l'optimisation sans modifier l'architecture du modèle ni sacrifier la précision.
⬤ Appliquer de manière pratique l'hypothèse du billet de loterie et l'hypothèse distributionnelle.
⬤ Utilisez et affinez les modèles de langage de grande taille pré-entraînés.
⬤ Mettre en place la validation croisée k-fold au moment opportun.
Vous apprendrez également à faire la distinction entre l'auto-attention et l'attention régulière, à nommer les techniques d'augmentation des données les plus courantes pour les données textuelles, à utiliser diverses techniques d'apprentissage auto-supervisé, des paradigmes d'entraînement multi-GPU et des types d'IA générative, et bien d'autres choses encore.
Que vous soyez un débutant en apprentissage automatique ou un praticien expérimenté, ajoutez de nouvelles techniques à votre arsenal et tenez-vous au courant des développements passionnants dans un domaine qui évolue rapidement.
Autres informations sur le livre :
| ISBN : | 9781718503762 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2024 |
| Nombre de pages : | 232 |
Achat:
Actuellement disponible, en stock.
