Computer science & IT
- 59 книг
Ваша оценка<p>As its title says, it's the hundred-page machine learning book. It was written by an expert in machine learning holding a Ph.D. in Artificial Intelligence with almost two decades of industry experience in computer science and hands-on machine learning.</p><p>This is a unique book in many aspects. It is the first successful attempt to write an easy to read book on machine learning that isn't afraid of using math. It's also the first attempt to squeeze a wide range of machine learning topics in...
Рейтинг LiveLib
5,0
1 оценка
- 5100%
- 40%
- 30%
- 20%
- 10%
Ваша оценкаПрочитали 2Хотят прочитать 1
Рецензии
Discimus6 декабря 2020 г.Незаменимый справочник по ML
Читать далееУдивительно, но попытка уместить в 100 страниц (на самом деле, чуть больше) выжимку из основных технологий машинного обучения увенчалась успехом.
Большое преимущество книги в том, что все описано подробно и ясно, "настолько просто, насколько вообще возможно, но не проще этого".
Блестяще описаны теоретические аспекты, такие, как, например, архитектура нейронных сетей, метрики качества моделей, постановки распространенных задач оптимизации, процедура градиентного спуска (которая снабжена кодом для реализации на Python, что полезно для понимания), и многое другое.
Практические аспекты тоже подробно рассмотрены: критерии выбора алгоритма в зависимости от поставленной задачи, решение проблемы несбалансированности, обработка данных (нормализация, стандартизация, пропуски и аномальные значения), создание новых признаков на основе имеющихся, и т.д.
Прочтение этой книги, во-первых, структурирует информацию по машинному обучению в единое целое, а во-вторых экономит время (много времени), предлагая решения часто встречающихся на практике проблем.
Однозначно не раз буду возвращаться к этой книге в будущем.
1215
Цитаты
- Discimus6 декабря 2020 г.
Entropy is a measure of uncertainty about a random variable. It reaches its maximum when all values of the random variables are equiprobable. Entropy reaches its minimum when the random variable can have only one value.
097 - Discimus6 декабря 2020 г.
In many practical cases, you would prefer a learning algorithm that builds a less accurate model fast. Additionally, you might prefer a less accurate model that is much quicker at making predictions.
058 - Discimus6 декабря 2020 г.
It could look counter-intuitive that learning could benefit from adding more unlabeled examples. It seems like we add more uncertainty to the problem. However, when you add unlabeled examples, you add more information about your problem: a larger sample reflects better the probability distribution the data we labeled came from.
019