MachineLearning QandAI book

Книга «Вопросы машинного обучения и искусственный интеллект за пределами основ»

Дополнительные материалы к книге Себастьяна Рашки «Машинное обучение Q и AI».

Пожалуйста, используйте Обсуждения по любым вопросам о книге!

О книге

Если вы изучили основы машинного обучения и искусственного интеллекта и хотите найти интересный способ восполнить сохраняющиеся пробелы в знаниях, эта книга для вас. В этой быстрой серии коротких глав рассматриваются 30 важнейших вопросов в этой области, которые помогут вам быть в курсе новейших технологий, которые вы можете применить в своей работе.

В каждой главе «Машинное обучение Q и AI» задается центральный вопрос и отвечает на него с диаграммами, объясняющими новые концепции, и большим количеством ссылок для дальнейшего чтения.

• Парадигмы обучения с несколькими графическими процессорами
• Точная настройка трансформаторов
• Различия между LLM в стиле кодера и декодера
• Концепции, лежащие в основе преобразователей зрения
• Доверительные интервалы для ML
• И многое другое!

Эта книга представляет собой полностью отредактированную и переработанную версию книги «Машинное обучение Q и искусственный интеллект», доступной на Leanpub.

Отзывы

«Вряд ли можно желать лучшего гида, чем Себастьян, который, без преувеличения, является лучшим преподавателем машинного обучения в настоящее время в этой области. На каждой странице Себастьян не только делится своими обширными знаниями, но также делится страстью и любопытством, которые характеризуют настоящий профессионализм».
-- Крис Албон, директор по машинному обучению, Фонд Викимедиа

Ссылки

• Сделайте предварительный заказ прямо в прессе No Starch.
• Предзаказ прямо с Amazon
• Дополнительные материалы и обсуждения

Оглавление

Заголовок	URL-ссылка	Дополнительный кодекс
1	Вложения, представления и скрытое пространство
2	Самоконтролируемое обучение
3	Обучение в несколько этапов
4	Гипотеза о лотерейном билете
5	Уменьшение переоснащения данными
6	Уменьшение переоснащения за счет модификаций модели
7	Парадигмы обучения с несколькими графическими процессорами
8	Ключи к успеху трансформеров
9	Генеративные модели искусственного интеллекта
10	Источники случайности	данные-sampling.ipynb dropout.ipynb случайные веса.ipynb
	ЧАСТЬ II: КОМПЬЮТЕРНОЕ ЗРЕНИЕ
11	Вычисление количества параметров	conv-size.ipynb
12	Эквивалентность полносвязных и сверточных слоев	fc-cnn-equivalence.ipynb
13	Большие тренировочные наборы для преобразователей зрения
	ЧАСТЬ III: ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА
14	Гипотеза распределения
15	Увеличение данных для текста	backtranslation.ipynb шум-инъекция.ipynb порядок-перестановка предложений.ipynb синоним-замена.ipynb синтетические-data.ipynb слово-deletion.ipynb замена позиции слова.ipynb
16	«Я»-Внимание
17	Трансформаторы типа кодировщика и декодера
18	Использование и точная настройка предварительно обученных трансформаторов
19	Оценка генеративных моделей большого языка	BERTScore.ipynb bleu.ipynb perplexity.ipynb румяна.ipynb
	ЧАСТЬ IV: ПРОИЗВОДСТВО И ВНЕДРЕНИЕ
20	Обучение без сохранения и сохранения состояния
21	Ориентированный на данные ИИ
22	Ускорение вывода
23	Изменения в распределении данных
	ЧАСТЬ V: ПРОГНОЗИРОВАНИЕ ЭФФЕКТИВНОСТИ И ОЦЕНКА МОДЕЛИ
24	Пуассон и порядковая регрессия
25	Доверительные интервалы	четыре метода.ipynb четыре метода против истинного значения.ipynb
26	Доверительные интервалы и конформные прогнозы	conformal_prediction.ipynb
27	Правильные метрики
28	K в перекрестной проверке K-фолда
29	Несоответствие обучающего и тестового наборов
30	Ограниченные маркированные данные