Żadna część tej publikacji nie może być powielana, rozpowszechniana lub przekazywana w jakiejkolwiek formie lub za pomocą jakichkolwiek środków, w tym fotokopii, nagrywania lub innych metod elektronicznych lub mechanicznych, lub za pomocą jakiegokolwiek systemu przechowywania i wyszukiwania informacji, bez uprzedniej pisemnej zgody wydawcy, z wyjątkiem bardzo krótkich cytatów zawartych w recenzjach krytycznych i niektórych innych niekomercyjnych zastosowań dozwolonych przez prawo autorskie.

Spis Treści

DLACZEGO NAPISAŁEM TĘ KSIĄŻKĘ

Ta książka nie jest o programowaniu algorytmów uczenia maszynowego

Przewodnik dla laika

rozdział 1. Czym jest uczenie maszynowe?

Programowanie jawne a trenowanie algorytmu

Definicje: Sztuczna inteligencja a uczenie maszynowe a sieci neuronowe

Podstawowe pojęcia

Uczenie nadzorowane a nienadzorowane

Jakie problemy może rozwiązać uczenie maszynowe?

Czarna skrzynka: czego nie wiemy o uczeniu maszynowym

Zagłębiając się bardziej

Rozdział 2. Oczyszczanie, etykietowanie, porządkowanie zbiorów danych

Oczyszczanie zbioru danych

Potrzeba bardzo dużych zbiorów danych dla uczenia maszynowego

Muszą być dobrze oznakowane

rozdział 3. Wybieranie lub Pisanie Algorytmu uczenia maszynowego

Podstawowe pojęcia

Popularne typy algorytmów

Co trzeba zrobić, żeby napisać algorytm novel

Rozdział 4. Szkolenie I wdrażanie algorytmu

Zaangażowane programowanie

Statyczne a dynamiczne

Dostrajanie i projektkowanie funkcji

Odrzucanie algorytmu

Rozdział 5. Zastosowania uczenia maszynowego w świecie rzeczywistym

Transport

Produktowe Rekomendacje

Finanse

Asystenci Głosowi, Inteligentne Domy, I Samochody

Podsumowanie

Książka Bonusowa Bitcoin Whales

DLACZEGO NAPISAŁEM TĘ KSIĄŻKĘ

Witamy w świecie uczenia maszynowego!

Sztuczna inteligencja jest gotowa zmienić bieg historii ludzkości, być może bardziej niż jakakolwiek inna technologia w historii. Dużą część tej rewolucji stanowi uczenie maszynowe.

Uczenie maszynowe jest nauką o uczeniu komputerów, aby dokonywały przewidywań na podstawie danych. Na podstawowym poziomie, uczenie maszynowe polega na podaniu komputerowi zestawu danych i poproszeniu go o dokonanie przewidywań. Na początku, komputer będzie miał wiele przewidywań błędnych. Jednakże, w ciągu tysięcy przewidywań, komputer zmieni swój algorytm, aby dokonywać lepszych przewidywań.

Ten rodzaj obliczeń prognozujących był kiedyś niemożliwy. Komputery po prostu nie mogły przechowywać wystarczającej ilości danych lub przetwarzać ich wystarczająco szybko, aby skutecznie się uczyć. Obecnie, każdego roku, komputery stają się coraz inteligentniejsze w szybkim tempie. Postępy w przechowywaniu danych i mocy obliczeniowej napędzają ten trend w kierunku inteligentniejszych maszyn. W rezultacie komputery robią dziś rzeczy, które były nie do pomyślenia jeszcze dekadę lub dwie temu.

Uczenie maszynowe ma już wpływ na Twoje codzienne życie. Amazon wykorzystuje uczenie maszynowe do przewidywania produktów, które będziesz chciał kupić. Gmail używa go do filtrowania spamu z Twojej skrzynki odbiorczej. Twoje rekomendacje filmów na Netflixie są oparte na algorytmach uczenia maszynowego.

Jednak wpływ uczenia maszynowego nie kończy się na tym. Algorytmy uczenia maszynowego dokonują przewidywań we wszystkich branżach, od rolnictwa po opiekę zdrowotną. Co więcej, jego wpływ będzie odczuwalny w nowych branżach i na nowe sposoby każdego roku. W miarę pojawiania się tych nowych zastosowań uczenia maszynowego, będziemy stopniowo akceptować je jako część normalnego życia. Niemniej jednak, to nowe poleganie na inteligentnych maszynach jest punktem zwrotnym w historii technologii, a trend ten tylko przyspiesza.

W przyszłości uczenie maszynowe i sztuczna inteligencja będą generalnie napędzać automatyzację wielu zadań wykonywanych obecnie przez ludzi. Samojeżdżące samochody polegają na uczeniu maszynowym do rozpoznawania obrazu i będą w coraz większym stopniu częścią transportu, podobnie jak samojeżdżące ciężarówki i inne pojazdy do transportu towarów. Znaczna część rolnictwa i produkcji jest obecnie zautomatyzowana, tak że uczenie maszynowe zapewnia żywność, którą spożywamy i towary, których używamy. Trend w kierunku automatyzacji tylko przyspiesza. Inne zastosowania uczenia maszynowego mogą zasadniczo zmienić pracę wykonywaną przez ludzi na co dzień, ponieważ maszyny stają się bardziej biegłe w zarządzaniu procesami i wykonywaniu pracy opertej na wiedzy.

Odkąd uczenie maszynowe będzie miało tak głęboki wpływ na codzienne życie, ważne jest, aby każdy miał dostęp do informacji o tym, jak ono działa. Dlatego właśnie napisałem tę książkę. Obecny obraz informacji na temat uczenia maszynowego jest podzielony.

Po pierwsze, istnieją wyjaśnienia dla ogółu społeczeństwa, które przygłuszają koncepcje. Te wyjaśnienia sprawiają, że uczenie maszynowe wydaje się czymś, co może zrozumieć tylko ekspert.

Po drugie, istnieją dokumenty techniczne pisane przez ekspertów dla ekspertów. Wykluczają one ogół społeczeństwa żargonem i złożonością. Oczywiście, napisanie i wykonanie algorytmu uczenia maszynowego jest ogromnym wyczynem technicznym, a te techniczne wyjaśnienia są ważne. Jednak w obecnej literaturze na temat uczenia maszynowego istnieje pewna dziura.

A co z laikiem, który naprawdę chce zrozumieć tę technologiczną rewolucję, niekoniecznie po to, by pisać kod, ale po to, by mieć pojęcie o zmianach zachodzących wokół niego? Zrozumienie podstawowych pojęć uczenia maszynowego nie powinno być ograniczone do jakiejś technologicznej elity. Te zmiany będą dotyczyć nas wszystkich. Mają one konsekwencje etyczne i ważne jest, aby społeczeństwo wiedziało o wszystkich korzyściach i wadach uczenia maszynowego.

Dlatego właśnie napisałem tę książkę. Jeśli brzmi to dla Ciebie interesująco, mam nadzieję, że Ci się spodoba..

Ta książka nie jest o programowaniu algorytmów uczenia maszynowego

Jeśli ten manifest wstępu nie był wystarczająco jasny: to nie jest książka o kodowaniu. Nie jest ona przeznaczona dla informatyków, którzy chcą się dowiedzieć, jak tworzyć algorytmy uczenia maszynowego.

Po pierwsze, nie mam prawie żadnych kwalifikacji do napisania takiej książki. Ludzie spędzają lata ucząc się zawiłości pisania algorytmów i trenowania sieci. Istnieją całe programy doktoranckie, które badają krawędzie pola, czerpiąc z algebry liniowej i statystyki predyktywnej. Jeśli zanurzysz się głęboko w szczegóły uczenia maszynowego i pokochasz je na tyle, by zrobić doktorat, możesz z łatwością dojść do zarabiania 300.000-600.000$ dolarów, pracując dla dużej firmy technologicznej. To jest jak rzadkie i cenne są te umiejętności.

Ja nie mam takich kwalifikacji i myślę, że to dobrze. Jeśli sięgnąłeś po tę książkę, oznacza to, że jesteś początkującym zainteresowanym uczeniem maszynowym. Prawdopodobnie nie jesteś techniczny, a jeśli jesteś, to szukasz książki, która pozwoli Ci zacząć od podstawowych pojęć. Jako autor tekstów o technologii, ciągle uczę się o technologiach. Jestem studentem uczenia maszynowego i pamiętam, jak to jest być początkującym. Mogę pomóc wyjaśnić podstawowe koncepcje w sposób, który jest łatwy do zrozumienia. Po przeczytaniu tej książki będziesz miał solidne podstawy, które ułatwią Ci przejście do bardziej zaawansowanej książki, jeśli będziesz chciał dowiedzieć się więcej.

Jeśli jednak czujesz, że już rozumiesz podstawowe zasady lub naprawdę potrzebujesz książki, która nauczy Cię jak napisać i wytrenować algorytm uczenia maszynowego, to prawdopodobnie nie jest to książka dla Ciebie.

Przewodnik dla laika

Prawdziwym celem tej książki jest bycie łatwym do czytania wprowadzeniem do uczenia maszynowego. Moim celem jest napisanie książki, którą każdy mógłby przeczytać, pozostając wiernym zasadom uczenia maszynowego i nie upraszczając pojęć. Jestem przekonany o inteligencji moich czytelników i nie uważam, że książka dla początkujących musi koniecznie być poświęcona złożoności i niuansom. To powiedziawszy, nie jest to duża książka, i nigdzie nie jest w pełni wyczerpująca. Osoby zainteresowane tematem będą chciały zagłębić się bardziej w inne książki i badania.

W tej książce przyjrzymy się podstawowym pojęciom i rodzajom uczenia maszynowego. Zbadamy, jak one działają. Następnie zbadamy kwestie zbiorów danych, pisania i trenowania algorytmów. Na koniec poznamy kilka rzeczywistych przypadków użycia uczenia maszynowego oraz miejsc, w których uczenie maszynowe może zostać wykorzystane w przyszłości.

Jeszcze raz witamy w uczeniu maszynowym. Zanurzmy się w nim...