Leserbewertungen
Zusammenfassung:Das Buch erhält gemischte Kritiken. Einige Leser halten es für Entwickler, die praktische Programmierkenntnisse benötigen, für wenig hilfreich, während andere den theoretischen Rahmen für das Verständnis von Konzepten des maschinellen Lernens schätzen. Bedenken über die Klarheit des Materials und das Fehlen von Programmierbeispielen scheinen im Vordergrund zu stehen, insbesondere für diejenigen, die über Programmierkenntnisse verfügen und maschinelles Lernen anwenden möchten.
Vorteile:Einige Leser waren der Meinung, dass das Buch ein gutes theoretisches Verständnis des maschinellen Lernens vermittelt und Einblicke in potenzielle Probleme beim Umgang mit ML bietet. Es kann den Lesern helfen einzuschätzen, ob sie auf der Grundlage ihrer vorhandenen Kenntnisse bereit sind, sich diesen Herausforderungen zu stellen.
Nachteile:Viele Rezensenten bemängelten, dass es in dem Buch mehr um die Diskussion als um die Programmierung geht, dass es an Klarheit in den Erklärungen mangelt und dass es nicht genügend praktische Beispiele enthält. Es wird nicht klar angegeben, welche Version von Visual Studio für die Durchführung der Übungen erforderlich ist, und viele fühlten sich nach der Lektüre eher verwirrt als erleuchtet.
(basierend auf 4 Leserbewertungen)
Originaltitel:
Introducing Machine Learning
Inhalt des Buches:
Beherrschen Sie Konzepte des maschinellen Lernens und entwickeln Sie Lösungen für die Praxis.
Maschinelles Lernen bietet immense Möglichkeiten, und Introducing Machine Learning liefert praktisches Wissen, um das Beste daraus zu machen. Dino und Francesco Esposito beginnen mit einem kurzen Überblick über die Grundlagen der künstlichen Intelligenz und die grundlegenden Schritte eines jeden maschinellen Lernprojekts. Anschließend stellen sie die leistungsstarke ML.NET-Bibliothek von Microsoft vor, einschließlich der Funktionen für Datenverarbeitung, Training und Auswertung. Sie stellen Familien von Algorithmen vor, die trainiert werden können, um reale Probleme zu lösen, sowie Deep-Learning-Techniken, die neuronale Netze nutzen. Abschließend stellen die Autoren wertvolle Laufzeitdienste vor, die über die Azure-Cloud-Plattform verfügbar sind, und geben einen Ausblick auf die langfristige Geschäftsvision für maschinelles Lernen.
- Der 14-fache Microsoft MVP Dino Esposito und Francesco Esposito helfen Ihnen dabei.
- Erfahren Sie, was darüber bekannt ist, wie Menschen lernen und wie intelligente Software entwickelt wird.
- Entdecken Sie, welche Probleme maschinelles Lernen lösen kann.
- Verstehen Sie die Pipeline des maschinellen Lernens: die Schritte, die zu einem brauchbaren Modell führen.
- Verwenden Sie AutoML, um automatisch die beste Pipeline für jedes Problem und jeden Datensatz auszuwählen.
- Beherrschen Sie ML.NET, implementieren Sie die Pipeline, und wenden Sie die Aufgaben und Algorithmen an.
- Erforschen Sie die mathematischen Grundlagen des maschinellen Lernens.
- Vorhersagen treffen, die Entscheidungsfindung verbessern und probabilistische Methoden anwenden.
- Gruppieren von Daten durch Klassifizierung und Clustering.
- Lernen Sie die Grundlagen des Deep Learning, einschließlich des Entwurfs neuronaler Netzwerke.
- Nutzen Sie KI-Cloud-Dienste, um schneller bessere Lösungen für die reale Welt zu entwickeln.
Über dieses Buch
- Für Fachleute, die Anwendungen für maschinelles Lernen erstellen möchten: sowohl für Entwickler, die datenwissenschaftliche Kenntnisse benötigen, als auch für Datenwissenschaftler, die entsprechende Programmierkenntnisse benötigen.
- Enthält Beispiele von Szenarien für maschinelles Lernen, die mit der ML.NET-Bibliothek erstellt wurden.
Weitere Daten des Buches:
| ISBN: | 9780135565667 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 256 |
Kauf:
Derzeit verfügbar, auf Lager.
