与以往不同,《Machine Learning Q and AI》这本书更侧重于解释概念,而不是动手编码。
近年来,随着机器学习和人工智能的快速发展,研究人员和从业者一直在努力跟上关于 AI 领域的概念和技术相关信息。与此同时,了解人工智能和深度学习的最新进展对于使用这些技术的专业人士和组织来说至关重要。
考虑到这一点,机器学习和 AI 研究员 Sebastian Raschka 最近出了一本新书,书籍名为《Machine Learning Q and AI》。Sebastian 表示这本书是从去年夏天开始撰写的,阅读该书,可以扩展你的机器学习知识,即便你是经验丰富的机器学习研究人员和从业者也会学到一些新的东西。
这本书涵盖了机器学习和 AI 中的 30 个关键概念,涉及的主题包括:
- 解释多 GPU 训练范例;
- 微调 Transformer;
- 编码器和解码器风格的 LLM。
此外,该书适用于已经熟练掌握机器学习并渴望学习新知识的人,换句话说,这本书是为那些有初级或中级机器学习背景的人准备的。值得注意的是,这本书没有晦涩的数学公式和代码,当你阅读时也无需解决任何证明,非常轻松的就能学到知识。
书籍地址:https://leanpub.com/machine-learning-q-and-ai/
不过需要注意的是,本书不是完全免费的,只有部分章节免费获得。
本书共分为五个章节:
- 第一章涵盖深度神经网络和深度学习相关问题,这些问题并不限定于特定的子领域。例如,本章讨论了监督学习的替代方案和减少过度拟合的技术。
- 第二章主要介绍计算机视觉。涵盖参数数量、全连接和卷积层、以及用于视觉 Transformers 的大型训练集。
- 第三章涵盖与文本有关的各种主题,包括用于文本的数据增强、自注意力、编码器和解码器风格 Transformers、微调预训练 Transformers、如何评估生成语言模型。
- 第四章介绍关于 AI 的生产、实际和部署场景,内容涵盖无状态和有状态训练、以数据为中心的 AI、加速推理等。
- 第五章主要介绍预测性能和模型评估,例如,更改损失函数、设置 k-fold 交叉验证以及处理有限的标记数据。
书籍目录: