Bewertung:
Das Buch ist eine umfassende Sammlung von Literatur zum Thema Transferlernen, verfasst von mehreren Experten auf diesem Gebiet. Es deckt zwar ein breites Spektrum von Anwendungen und grundlegenden Themen ab, doch wurde seine Struktur aufgrund der zahlreichen beteiligten Autoren als nicht kohärent kritisiert. Jedes Kapitel ist kurz und verweist stark auf Originalarbeiten, was für Ingenieure, die eine praktische Anleitung suchen, nicht unbedingt geeignet ist.
Vorteile:⬤ Zeitgemäß und relevant für aktuelle Trends im Bereich des maschinellen Lernens
⬤ geschrieben von Experten
⬤ deckt ein breites Spektrum an Anwendungen und grundlegenden Themen ab.
⬤ Mangelnde Kohärenz aufgrund mehrerer Autoren
⬤ wirkt eher wie eine Sammlung von Literaturübersichten als eine zusammenhängende Erzählung
⬤ die Kapitel sind kurz mit zahlreichen Verweisen auf Originalarbeiten, was zusätzliches Lesen zum Verständnis erfordert.
(basierend auf 2 Leserbewertungen)
Transfer Learning
Beim Transferlernen geht es darum, wie Systeme sich schnell an neue Situationen, Aufgaben und Umgebungen anpassen können. Es gibt Systemen des maschinellen Lernens die Möglichkeit, Hilfsdaten und -modelle zur Lösung von Zielproblemen zu nutzen, wenn nur eine kleine Datenmenge zur Verfügung steht.
Dies macht solche Systeme zuverlässiger und robuster und verhindert, dass das maschinelle Lernmodell bei unvorhersehbaren Veränderungen zu stark von der erwarteten Leistung abweicht. Auf Unternehmensebene ermöglicht das Transfer-Lernen die Wiederverwendung von Wissen, so dass einmal gewonnene Erfahrungen wiederholt in der realen Welt angewendet werden können. So kann z.
B. ein vorab trainiertes Modell, das die Privatsphäre der Benutzer berücksichtigt, heruntergeladen und am Rande eines Computernetzes angepasst werden.
Dieses in sich geschlossene, umfassende Nachschlagewerk beschreibt die Standardalgorithmen und zeigt, wie diese in verschiedenen Paradigmen des Transferlernens eingesetzt werden. Es bietet sowohl eine solide Grundlage für Neueinsteiger als auch neue Erkenntnisse für erfahrene Forscher und Entwickler.
| ISBN: | 9781107016903 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 390 |
Derzeit verfügbar, auf Lager.
