Bewertung:
Das Buch wird im Allgemeinen wegen seiner klaren und prägnanten Erklärungen von Konzepten des maschinellen Lernens und seines verständlichen Stils gut aufgenommen. Einige Benutzer finden jedoch bestimmte Abschnitte aufgrund der umfangreichen mathematischen Notation und der fehlenden Definitionen für Schlüsselbegriffe verwirrend. Kompatibilitätsprobleme mit E-Readern und unvollständige Lieferungen wurden ebenfalls als Nachteil genannt.
Vorteile:⬤ Prägnant, unterhaltsam und voller wertvoller Informationen
⬤ klare und gut lesbare Darstellung
⬤ fundierte Erklärungen, die für Anfänger geeignet sind
⬤ effektiver Lernstil
⬤ gut für das Verständnis von Kernkonzepten
⬤ respektvoller Umgang mit Lernanfängern
⬤ gut geschriebener und intuitiver Überblick über maschinelles Lernen
⬤ Autor geht auf Anfragen ein.
⬤ Verwirrende mathematische Notation, besonders in späteren Kapiteln
⬤ unzureichende Definition wichtiger Begriffe
⬤ Kompatibilitätsprobleme mit bestimmten Geräten
⬤ unvollständige Lieferung des Buches.
(basierend auf 15 Leserbewertungen)
Artificial Intelligence Engines: A Tutorial Introduction to the Mathematics of Deep Learning
Das Gehirn hatte schon immer einen grundlegenden Vorteil gegenüber herkömmlichen Computern: Es kann lernen. Eine neue Generation von Algorithmen der künstlichen Intelligenz, in Form von tiefen neuronalen Netzen, hebt diesen Vorteil jedoch rasch auf.
Tiefe neuronale Netze stützen sich auf adaptive Algorithmen, um eine Vielzahl von Aufgaben wie Krebsdiagnose, Objekterkennung, Spracherkennung, Robotersteuerung, Schach, Poker, Backgammon und Go mit übermenschlichen Leistungen zu bewältigen. In diesem reich bebilderten Buch werden die wichtigsten Lernalgorithmen für neuronale Netze zunächst informell erläutert, gefolgt von detaillierten mathematischen Analysen. Die Themen umfassen sowohl historisch wichtige neuronale Netze (z.
B.
Perceptrons) als auch moderne tiefe neuronale Netze (z. B.
generative adversarische Netze). Online-Computerprogramme, die aus Open-Source-Repositorien zusammengestellt wurden, vermitteln praktische Erfahrungen mit neuronalen Netzen, und PowerPoint-Folien unterstützen den Unterricht. Das Buch ist in einem informellen Stil geschrieben, mit einem umfassenden Glossar, didaktischen Anhängen (z.
B. Bayes' Theorem) und einer Liste weiterführender Literatur. Es ist eine ideale Einführung in die algorithmischen Maschinen der modernen künstlichen Intelligenz.
| ISBN: | 9780956372819 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
