中文字幕欧美激情,五月天综合在线,国产91精品一区

擴展機器學習知識新書

發稿時間：2023-06-22 08:55:55 來源：機器之心

【資料圖】

機器之心報道

編輯：陳萍

與以往不同，《Machine Learning Q and AI》這本書更側重于解釋概念，而不是動手編碼。

近年來，隨著機器學習和人工智能的快速發展，研究人員和從業者一直在努力跟上關于 AI 領域的概念和技術相關信息。與此同時，了解人工智能和深度學習的最新進展對于使用這些技術的專業人士和組織來說至關重要。

考慮到這一點，機器學習和 AI 研究員 Sebastian Raschka 最近出了一本新書，書籍名為《Machine Learning Q and AI》。Sebastian 表示這本書是從去年夏天開始撰寫的，閱讀該書，可以擴展你的機器學習知識，即便你是經驗豐富的機器學習研究人員和從業者也會學到一些新的東西。

這本書涵蓋了機器學習和 AI 中的 30 個關鍵概念，涉及的主題包括：

解釋多 GPU 訓練范例；

微調 Transformer；

編碼器和解碼器風格的 LLM。

此外，該書適用于已經熟練掌握機器學習并渴望學習新知識的人，換句話說，這本書是為那些有初級或中級機器學習背景的人準備的。值得注意的是，這本書沒有晦澀的數學公式和代碼，當你閱讀時也無需解決任何證明，非常輕松的就能學到知識。

書籍地址：/machine-learning-q-and-ai/

不過需要注意的是，本書不是完全免費的，只有部分章節免費獲得。

本書共分為五個章節：

第一章涵蓋深度神經網絡和深度學習相關問題，這些問題并不限定于特定的子領域。例如，本章討論了監督學習的替代方案和減少過度擬合的技術。

第二章主要介紹計算機視覺。涵蓋參數數量、全連接和卷積層、以及用于視覺 Transformers 的大型訓練集。

第三章涵蓋與文本有關的各種主題，包括用于文本的數據增強、自注意力、編碼器和解碼器風格 Transformers、微調預訓練 Transformers、如何評估生成語言模型。

第四章介紹關于 AI 的生產、實際和部署場景，內容涵蓋無狀態和有狀態訓練、以數據為中心的 AI、加速推理等。

第五章主要介紹預測性能和模型評估，例如，更改損失函數、設置 k-fold 交叉驗證以及處理有限的標記數據。

書籍目錄：

作者介紹

個人主頁：/

Sebastian Raschka 是一名機器學習和人工智能研究員，對教育有著強烈的熱情。作為 Lightning AI 的首席 AI 教育家，他讓關于 AI 和深度學習相關的內容更加容易獲得，并教人們如何大規模利用這些技術。

在全身心投入 Lightning AI 之前，Sebastian 曾在威斯康星大學麥迪遜分校擔任統計學助理教授，專門研究深度學習和機器學習，你可以在他的網站上找到更多關于他的研究。此外，Sebastian 熱衷于開源軟件，十多年來一直是一個充滿熱情的開源貢獻者。他提出的方法現已成功應用于 Kaggle 等機器學習競賽。在空閑時間，Sebastian 還會研究運動型預測模型。

除了編寫代碼，Sebastian 還喜歡寫作，并撰寫了暢銷書《Python Machine Learning》（《Python 機器學習》）和《Machine Learning with PyTorch and ScikitLearn》。

除此以外，Sebastian 還喜歡研究數據科學、機器學習和 Python，他也非常愿意幫助人們開發數據驅動的解決方案，而無需任何機器學習背景。

?THE END

轉載請聯系本公眾號獲得授權

投稿或尋求報道：content@

標簽：

責任編輯：mb01

返回首頁>>