Q sull'apprendimento automatico e l'IA: 30 domande e risposte essenziali sull'apprendimento automatico e l'IA

Recensioni dei lettori

Il libro è molto apprezzato per la profondità e la varietà degli argomenti trattati nell'ambito dell'IA e dell'apprendimento automatico, che lo rendono una risorsa preziosa per chi ha una solida base nella materia. È ben scritto, con spiegazioni accessibili ed esercizi che migliorano la comprensione. Tuttavia, non è adatto ai principianti assoluti, poiché presuppone un elevato livello di conoscenza dei concetti di matematica e di IA.

⬤ Ben scritto e accessibile
⬤ copre una varietà di argomenti
⬤ include esercizi in ogni capitolo
⬤ i capitoli sono di dimensioni ridotte e possono essere letti in modo indipendente
⬤ ideale per chi ha una solida base di IA
⬤ chiarisce i concetti di base.

⬤ Non adatto ai principianti assoluti
⬤ presuppone una conoscenza di alto livello della matematica e dei concetti fondamentali dell'IA
⬤ può essere fuorviante per i principianti.

(basato su 4 recensioni dei lettori)

Titolo originale:

Machine Learning Q and AI: 30 Essential Questions and Answers on Machine Learning and AI

Contenuto del libro:

Imparate le risposte a 30 domande all'avanguardia sull'apprendimento automatico e l'IA e migliorate le vostre competenze nel campo.

Se avete acquisito le basi dell'apprendimento automatico e dell'IA e volete un modo divertente per colmare le lacune di conoscenza, questo libro fa per voi. Questa serie di brevi capitoli affronta 30 questioni essenziali del settore, aiutandovi a rimanere aggiornati sulle ultime tecnologie che potete implementare nel vostro lavoro.

Ogni capitolo di Machine Learning and AI Beyond the Basics pone e risponde a una domanda centrale, con diagrammi per spiegare i nuovi concetti e ampi riferimenti per ulteriori letture. Queste informazioni pratiche e all'avanguardia mancano nella maggior parte dei corsi introduttivi, ma sono fondamentali per le applicazioni del mondo reale, per la ricerca e per superare i colloqui tecnici. Non dovrete risolvere prove o eseguire codice, quindi questo libro è un perfetto compagno di viaggio. Imparerete un'ampia gamma di nuovi concetti sulle architetture delle reti neurali profonde, sulla computer vision, sull'elaborazione del linguaggio naturale, sulla produzione e sull'implementazione e sulla valutazione dei modelli, tra cui:

⬤ Ridurre l'overfitting con dati alterati o modifiche del modello.

⬤ Gestire le comuni fonti di casualità durante l'addestramento delle reti neurali profonde.

⬤ Accelerare l'inferenza del modello attraverso l'ottimizzazione senza modificare l'architettura del modello o sacrificare l'accuratezza.

⬤ Applicare concretamente l'ipotesi del biglietto della lotteria e l'ipotesi distributiva.

⬤ Utilizzare e mettere a punto modelli linguistici di grandi dimensioni già addestrati.

⬤ Impostare la convalida incrociata k-fold al momento opportuno.

Imparerete anche a distinguere tra l'auto-attenzione e l'attenzione regolare; a nominare le più comuni tecniche di incremento dei dati per i dati testuali; a utilizzare varie tecniche di apprendimento auto-supervisionato, paradigmi di addestramento multi-GPU e tipi di IA generativa; e molto altro ancora.

Che siate principianti dell'apprendimento automatico o esperti, aggiungete nuove tecniche al vostro arsenale e tenetevi aggiornati sugli sviluppi interessanti di un campo in rapida evoluzione.