MachineLearning QandAI book

หนังสือ การเรียนรู้ของเครื่อง Q และ AI นอกเหนือจากพื้นฐาน

เอกสารเสริมสำหรับหนังสือ Machine Learning Q และ AI โดย Sebastian Raschka

โปรดใช้การสนทนาสำหรับคำถามใด ๆ เกี่ยวกับหนังสือเล่มนี้!

เกี่ยวกับหนังสือ

หากคุณล็อคพื้นฐานของแมชชีนเลิร์นนิงและ AI และต้องการวิธีสนุก ๆ ในการจัดการกับช่องว่างทางความรู้ที่ยังคงอยู่ หนังสือเล่มนี้เหมาะสำหรับคุณ บทสั้นๆ ที่ดำเนินไปอย่างรวดเร็วชุดนี้ตอบคำถามสำคัญ 30 ข้อในภาคสนาม ซึ่งช่วยให้คุณทราบถึงเทคโนโลยีล่าสุดที่คุณสามารถนำไปใช้ในงานของคุณเองได้

แต่ละบทของ Machine Learning Q และ AI จะถามและตอบคำถามหลัก พร้อมด้วยไดอะแกรมเพื่ออธิบายแนวคิดใหม่ๆ และมีข้อมูลอ้างอิงที่เพียงพอสำหรับการอ่านเพิ่มเติม

• กระบวนทัศน์การฝึกอบรม Multi-GPU
• การปรับแต่งหม้อแปลงไฟฟ้า
• ความแตกต่างระหว่าง LLM แบบตัวเข้ารหัสและตัวถอดรหัส
• แนวคิดเบื้องหลังวิชั่นทรานส์ฟอร์มเมอร์
• ช่วงความเชื่อมั่นสำหรับ ML
• และอีกมากมาย!

หนังสือเล่มนี้เป็นเวอร์ชันแก้ไขและแก้ไขทั้งหมดของ Machine Learning Q และ AI ซึ่งมีอยู่ใน Leanpub

รีวิว

“แทบจะไม่มีใครขอคำแนะนำที่ดีกว่า Sebastian ซึ่งเป็นนักการศึกษาเกี่ยวกับการเรียนรู้ของเครื่องที่เก่งที่สุดในสาขานี้โดยไม่ต้องพูดเกินจริงเลย ในแต่ละหน้า Sebastian ไม่เพียงแต่ถ่ายทอดความรู้ที่กว้างขวางของเขาเท่านั้น แต่ยังแบ่งปันความหลงใหลและความอยากรู้อยากเห็นที่บ่งบอกถึงความเชี่ยวชาญที่แท้จริง”
-- คริส อัลบอน ผู้อำนวยการฝ่ายการเรียนรู้ของเครื่อง มูลนิธิวิกิมีเดีย

ลิงค์

• สั่งซื้อล่วงหน้าโดยตรงจากสำนักพิมพ์ No Starch
• สั่งซื้อล่วงหน้าโดยตรงจาก Amazon
• วัสดุเสริมและการสนทนา

สารบัญ

ชื่อ	ลิงค์ URL	รหัสเสริม
1	การฝัง การเป็นตัวแทน และพื้นที่แฝง
2	การเรียนรู้ด้วยตนเอง
3	การเรียนรู้แบบไม่กี่ช็อต
4	สมมติฐานตั๋วลอตเตอรี่
5	การลดการติดตั้งข้อมูลมากเกินไป
6	ลด Overfitting ด้วยการปรับเปลี่ยนโมเดล
7	กระบวนทัศน์การฝึกอบรม Multi-GPU
8	กุญแจสู่ความสำเร็จของ Transformers
9	โมเดล AI เจนเนอเรชั่น
10	แหล่งที่มาของการสุ่ม	ข้อมูล sampling.ipynb dropout.ipynb สุ่มน้ำหนัก.ipynb
	ส่วนที่ 2: การมองเห็นคอมพิวเตอร์
11	การคำนวณจำนวนพารามิเตอร์	Conv-size.ipynb
12	ความเท่าเทียมกันของเลเยอร์ที่เชื่อมต่ออย่างสมบูรณ์และเลเยอร์ Convolutional	fc-cnn-equivalence.ipynb
13	ชุดฝึกอบรมขนาดใหญ่สำหรับ Vision Transformers
	ส่วนที่ 3: การประมวลผลภาษาธรรมชาติ
14	สมมติฐานการกระจายตัว
15	การเพิ่มข้อมูลสำหรับข้อความ	backtranslation.ipynb เสียงฉีด.ipynb ประโยคเพื่อสับเปลี่ยน.ipynb คำพ้องความหมายreplacement.ipynb สังเคราะห์ data.ipynb คำ-deletion.ipynb ตำแหน่งคำ swapping.ipynb
16	“ตนเอง”--การเอาใจใส่
17	หม้อแปลงไฟฟ้าแบบตัวเข้ารหัสและตัวถอดรหัส
18	การใช้และการปรับแต่งหม้อแปลงที่ผ่านการฝึกอบรมมาแล้วอย่างละเอียด
19	การประเมินโมเดลภาษาขนาดใหญ่ทั่วไป	BERTScore.ipynb bleu.ipynb ความฉงนสนเท่ห์.ipynb rouge.ipynb
	ส่วนที่ 4: การผลิตและการใช้งาน
20	การฝึกอบรมไร้สัญชาติและไร้รัฐ
21	AI ที่เน้นข้อมูลเป็นศูนย์กลาง
22	การเร่งการอนุมาน
23	การเปลี่ยนแปลงการกระจายข้อมูล
	ส่วนที่ 5: ประสิทธิภาพเชิงคาดการณ์และการประเมินแบบจำลอง
24	ปัวซองและการถดถอยลำดับ
25	ช่วงความเชื่อมั่น	สี่วิธี.ipynb สี่วิธี vs-true-value.ipynb
26	ช่วงความเชื่อมั่นเทียบกับการคาดการณ์ตามรูปแบบ	สอดคล้อง_prediction.ipynb
27	ตัวชี้วัดที่เหมาะสม
28	K ในการตรวจสอบข้าม K-Fold
29	ความไม่ลงรอยกันของชุดการฝึกอบรมและการทดสอบ
30	ข้อมูลที่มีป้ายกำกับจำกัด