Motori di intelligenza artificiale: Introduzione alla matematica dell'apprendimento profondo

Recensioni dei lettori

Il libro è generalmente apprezzato per le sue spiegazioni chiare e concise dei concetti di apprendimento automatico e per il suo stile accessibile. Tuttavia, alcuni utenti trovano alcune sezioni confuse a causa della pesante notazione matematica e della mancanza di definizioni per i termini chiave. Anche i problemi di compatibilità con gli e-reader e le consegne incomplete sono stati segnalati come inconvenienti.

⬤ Conciso, divertente e ricco di informazioni preziose
⬤ presentazione chiara e leggibile
⬤ forti spiegazioni fondamentali adatte ai principianti
⬤ stile tutoriale efficace
⬤ buono per comprendere i concetti fondamentali
⬤ approccio rispettoso nei confronti dei nuovi studenti
⬤ revisione ben scritta e intuitiva dell'apprendimento automatico
⬤ l'autore risponde alle richieste.

⬤ Notazione matematica confusa, soprattutto nei capitoli successivi
⬤ definizione insufficiente di termini importanti
⬤ problemi di compatibilità con alcuni dispositivi
⬤ consegna incompleta del libro.

(basato su 15 recensioni dei lettori)

Titolo originale:

Artificial Intelligence Engines: A Tutorial Introduction to the Mathematics of Deep Learning

Contenuto del libro:

Il cervello ha sempre avuto un vantaggio fondamentale rispetto ai computer tradizionali: può imparare. Tuttavia, una nuova generazione di algoritmi di intelligenza artificiale, sotto forma di reti neurali profonde, sta rapidamente eliminando questo vantaggio.

Le reti neurali profonde si basano su algoritmi adattivi per padroneggiare un'ampia varietà di compiti, tra cui la diagnosi del cancro, il riconoscimento di oggetti, il riconoscimento vocale, il controllo robotico, gli scacchi, il poker, il backgammon e il Go, a livelli di prestazioni sovrumane. In questo libro riccamente illustrato, i principali algoritmi di apprendimento delle reti neurali sono spiegati prima in modo informale, seguiti da analisi matematiche dettagliate. Gli argomenti comprendono sia le reti neurali storicamente importanti (ad esempio i percettori), sia le moderne reti neurali profonde (ad esempio le reti generative avversarie).

I programmi informatici online, raccolti da repository open source, consentono di fare esperienza pratica delle reti neurali, mentre le diapositive in PowerPoint forniscono un supporto all'insegnamento. Scritto in uno stile informale, con un glossario completo, appendici didattiche (ad esempio il teorema di Bayes) e un elenco di ulteriori letture, è un'introduzione ideale ai motori algoritmici della moderna intelligenza artificiale.