MachineLearning QandAI book

Pembelajaran Mesin Q dan AI Melampaui Buku Dasar

Materi Pelengkap untuk buku Machine Learning Q dan AI oleh Sebastian Raschka.

Silakan gunakan Diskusi untuk pertanyaan apa pun tentang buku ini!

Tentang Buku

Jika Anda sudah memahami dasar-dasar pembelajaran mesin dan AI serta menginginkan cara menyenangkan untuk mengatasi kesenjangan pengetahuan yang masih ada, buku ini cocok untuk Anda. Rangkaian bab pendek singkat ini menjawab 30 pertanyaan penting di lapangan, membantu Anda tetap mengikuti perkembangan teknologi terkini yang dapat Anda terapkan dalam pekerjaan Anda.

Setiap bab dari Machine Learning Q dan AI menanyakan dan menjawab pertanyaan utama, dengan diagram untuk menjelaskan konsep baru dan banyak referensi untuk bacaan lebih lanjut

• Paradigma pelatihan multi-GPU
• Menyempurnakan transformator
• Perbedaan antara LLM bergaya encoder dan decoder
• Konsep di balik transformator visi
• Interval kepercayaan untuk ML
• Dan masih banyak lagi!

Buku ini adalah versi Machine Learning Q dan AI yang telah diedit dan direvisi sepenuhnya, yang tersedia di Leanpub.

Ulasan

“Tidak ada yang bisa meminta panduan yang lebih baik daripada Sebastian, yang, tanpa berlebihan, adalah pendidik pembelajaran mesin terbaik saat ini di bidangnya. Di setiap halaman, Sebastian tidak hanya menyampaikan pengetahuannya yang luas tetapi juga berbagi semangat dan rasa ingin tahu yang menandai keahlian sejati.”
-- Chris Albon, Direktur Pembelajaran Mesin, Wikimedia Foundation

Tautan

• Praorder langsung dari pers No Starch
• Praorder langsung dari Amazon
• Materi Tambahan dan Pembahasan

Daftar isi

Judul	Tautan URL	Kode Tambahan
1	Penyematan, Representasi, dan Ruang Laten
2	Pembelajaran dengan Pengawasan Mandiri
3	Pembelajaran Sedikit-Tembakan
4	Hipotesis Tiket Lotere
5	Mengurangi Overfitting dengan Data
6	Mengurangi Overfitting dengan Modifikasi Model
7	Paradigma Pelatihan Multi-GPU
8	Kunci Kesuksesan Transformers
9	Model AI Generatif
10	Sumber Keacakan	pengambilan sampel data.ipynb putus sekolah.ipynb bobot acak.ipynb
	BAGIAN II: VISI KOMPUTER
11	Menghitung Jumlah Parameter	ukuran konv.ipynb
12	Kesetaraan Lapisan Terhubung Sepenuhnya dan Konvolusional	fc-cnn-equivalence.ipynb
13	Perangkat Pelatihan Besar untuk Vision Transformers
	BAGIAN III: PENGOLAHAN BAHASA ALAMI
14	Hipotesis Distribusi
15	Augmentasi Data untuk Teks	terjemahan kembali.ipynb injeksi kebisingan.ipynb pengacakan urutan kalimat.ipynb sinonim-pengganti.ipynb data-sintetis.ipynb penghapusan kata.ipynb pertukaran posisi kata.ipynb
16	"Diri" -Perhatian
17	Transformator Gaya Encoder dan Decoder
18	Menggunakan dan Menyempurnakan Transformator Terlatih
19	Mengevaluasi Model Bahasa Besar Generatif	BERTScore.ipynb bleu.ipynb kebingungan.ipynb pemerah pipi.ipynb
	BAGIAN IV: PRODUKSI DAN PENYERAPAN
20	Pelatihan Tanpa Kewarganegaraan dan Stateful
21	AI Berpusat pada Data
22	Mempercepat Inferensi
23	Pergeseran Distribusi Data
	BAGIAN V: KINERJA PREDIKTIF DAN EVALUASI MODEL
24	Poisson dan Regresi Ordinal
25	Interval Keyakinan	empat metode.ipynb empat metode-vs-nilai-benar.ipynb
26	Interval Keyakinan versus Prediksi Konformal	konformal_prediksi.ipynb
27	Metrik yang Tepat
28	K dalam Validasi Silang K-Fold
29	Kesenjangan Set Pelatihan dan Tes
30	Data Berlabel Terbatas