Aprendizaje automático Q and AI: 30 preguntas y respuestas esenciales sobre aprendizaje automático e IA

Opiniones de los lectores

El libro está muy bien considerado por su profundidad y variedad de temas sobre IA y aprendizaje automático, lo que lo convierte en un recurso valioso para quienes tienen una base sólida en la materia. Está bien escrito, con explicaciones accesibles y ejercicios que mejoran la comprensión. Sin embargo, no es adecuado para principiantes absolutos, ya que presupone un alto nivel de conocimientos previos en matemáticas y conceptos de IA.

⬤ Bien escrito y accesible
⬤ cubre una variedad de temas
⬤ incluye ejercicios en cada capítulo
⬤ los capítulos son del tamaño de un bocado y se pueden leer de forma independiente
⬤ ideal para aquellos con una base sólida en IA
⬤ aclara los conceptos subyacentes.

⬤ No es adecuado para principiantes absolutos
⬤ asume un conocimiento de alto nivel de matemáticas y conceptos básicos de IA
⬤ puede ser engañoso para los novatos.

(basado en 4 opiniones de lectores)

Título original:

Machine Learning Q and AI: 30 Essential Questions and Answers on Machine Learning and AI

Contenido del libro:

Aprenda las respuestas a 30 preguntas de vanguardia sobre aprendizaje automático e IA y mejore sus conocimientos en este campo.

Si ya domina los conceptos básicos del aprendizaje automático y la IA y desea una forma divertida de abordar las lagunas de conocimiento que aún existen, este libro es para usted. Esta serie rápida de capítulos breves aborda 30 cuestiones esenciales en este campo, ayudándole a mantenerse al día sobre las últimas tecnologías que puede implementar en su propio trabajo.

Cada capítulo de Machine Learning and AI Beyond the Basics plantea y responde una pregunta central, con diagramas para explicar nuevos conceptos y amplias referencias para lecturas adicionales. Esta información práctica y de vanguardia no aparece en la mayoría de los cursos introductorios, pero es fundamental para las aplicaciones en el mundo real, la investigación y las entrevistas técnicas. No necesitará resolver pruebas ni ejecutar código, por lo que este libro es un compañero de viaje perfecto. Aprenderá una amplia gama de conceptos nuevos sobre arquitecturas de redes neuronales profundas, visión por ordenador, procesamiento del lenguaje natural, producción y despliegue, y evaluación de modelos, incluyendo cómo:

⬤ Reducir el sobreajuste con datos alterados o modificaciones del modelo.

⬤ Manejar fuentes comunes de aleatoriedad al entrenar redes neuronales profundas.

⬤ Acelerar la inferencia del modelo mediante la optimización sin cambiar la arquitectura del modelo ni sacrificar la precisión.

⬤ Aplicar de forma práctica la hipótesis del billete de lotería y la hipótesis distribucional.

⬤ Utilizar y ajustar modelos lingüísticos de gran tamaño preentrenados.

⬤ Configurar la validación cruzada k-fold en el momento adecuado.

También aprenderá a distinguir entre autoatención y atención regular; a nombrar las técnicas más comunes de aumento de datos para datos de texto; a utilizar varias técnicas de aprendizaje autosupervisado, paradigmas de entrenamiento multi-GPU y tipos de IA generativa; y mucho más.

Tanto si es un principiante en el aprendizaje automático como un profesional experimentado, añada nuevas técnicas a su arsenal y manténgase al día de los emocionantes avances en un campo que cambia rápidamente.