Trasferimento dell'apprendimento

Punteggio:   (4,6 su 5)

Trasferimento dell'apprendimento (Qiang Yang)

Recensioni dei lettori

Riepilogo:

Il libro è una raccolta completa della letteratura sull'apprendimento per trasferimento, scritta da diversi esperti del settore. Pur coprendo un'ampia gamma di applicazioni e argomenti fondamentali, la sua struttura è stata criticata per la mancanza di coerenza dovuta ai numerosi autori coinvolti. Ogni capitolo è breve e fa ampio riferimento a documenti originali, il che potrebbe non essere adatto agli ingegneri che cercano una guida pratica.

Vantaggi:

Tempestivo e pertinente alle tendenze attuali dell'apprendimento automatico
scritto da esperti
copre un'ampia gamma di applicazioni e argomenti fondamentali.

Svantaggi:

Manca di coerenza a causa della presenza di più autori
sembra una raccolta di recensioni della letteratura piuttosto che una narrazione coesa
i capitoli sono brevi con numerosi riferimenti a documenti originali, il che richiede una lettura supplementare per la comprensione.

(basato su 2 recensioni dei lettori)

Titolo originale:

Transfer Learning

Contenuto del libro:

L'apprendimento per trasferimento si occupa di come i sistemi possano adattarsi rapidamente a nuove situazioni, compiti e ambienti. I sistemi di apprendimento automatico hanno la capacità di sfruttare dati e modelli ausiliari per aiutare a risolvere problemi specifici quando la quantità di dati disponibili è minima.

Questo rende tali sistemi più affidabili e robusti, evitando che il modello di apprendimento automatico, di fronte a cambiamenti imprevedibili, si discosti troppo dalle prestazioni previste. A livello aziendale, l'apprendimento per trasferimento consente di riutilizzare le conoscenze, in modo che l'esperienza acquisita una volta possa essere applicata ripetutamente al mondo reale. Ad esempio, un modello pre-addestrato che tiene conto della privacy degli utenti può essere scaricato e adattato ai margini di una rete di computer.

Questo testo di riferimento completo e autonomo descrive gli algoritmi standard e dimostra come vengono utilizzati nei diversi paradigmi di apprendimento per trasferimento. Offre una solida base per i nuovi arrivati e nuovi spunti per i ricercatori e gli sviluppatori più esperti.

Altre informazioni sul libro:

ISBN:9781107016903
Autore:
Editore:
Rilegatura:Copertina rigida
Anno di pubblicazione:2020
Numero di pagine:390

Acquisto:

Attualmente disponibile, in magazzino.

Lo compro!

Altri libri dell'autore:

Trasferimento dell'apprendimento - Transfer Learning
L'apprendimento per trasferimento si occupa di come i sistemi possano adattarsi rapidamente a nuove situazioni, compiti e...
Trasferimento dell'apprendimento - Transfer Learning
Sistemi di microgenerazione a energia rinnovabile: Transizione energetica guidata dal cliente per...
Sistemi di microgenerazione a energia rinnovabile...
Sistemi di microgenerazione a energia rinnovabile: Transizione energetica guidata dal cliente per creare un mondo sostenibile - Renewable Energy Microgeneration Systems: Customer-Led Energy Transition to Make a Sustainable World
Apprendimento federato: Privacy e incentivi - Federated Learning: Privacy and Incentive
Questo libro fornisce un'introduzione completa e autonoma...
Apprendimento federato: Privacy e incentivi - Federated Learning: Privacy and Incentive

Le opere dell'autore sono state pubblicate dai seguenti editori:

© Book1 Group - tutti i diritti riservati.
Il contenuto di questo sito non può essere copiato o utilizzato, né in parte né per intero, senza il permesso scritto del proprietario.
Ultima modifica: 2024.11.08 20:28 (GMT)