Оглавление
Alan T. Norman. Machinaal Leren In Actie
Waarom ik dit boek geschreven heb
Dit boek gaat niet over het coderen van algoritmen voor machinaal leren
Hoofdstuk 1. Wat is machinaal leren?
Expliciet programmeren versus algoritme-training
Definities: kunstmatige intelligentie versus machinaal leren versus neurale netwerken
Basisbegrippen
Begeleid versus onbewaakt leren
Welke problemen kan machinaal leren oplossen?
De zwarte doos: wat we niet over machinaal leren weten
Dieper gaand
Hoofdstuk 2. Datasets opschonen, labelen en beheren
De dataset opschonen
Zeer grote datasets nodig voor ML
Moet goed worden geëtiketteerd
Hoofdstuk 3. Een ML-algoritme kiezen of schrijven
Basisbegrippen
Populaire algoritmetypen
Wat er nodig is om een nieuw algoritme te schrijven
Hoofdstuk 4 Een algoritme trainen en inzetten
Betrokken programmering
Statisch versus dynamisch
Afstemmen en feature-engineering
Een algoritme weggooien
5. Probleemoplossing Real-world toepassingen van machinaal leren
Vervoer
Productaanbevelingen
Financiering
Spraakassistenten, slimme huizen en auto's
Conclusie
Over de auteur
Bitcoin Whales-bonusboek
Andere boeken door Alan T. Norman:
Отрывок из книги
Welkom in de wereld van machinaal leren!
Kunstmatige intelligentie is klaar om de loop van de menselijke geschiedenis te veranderen, misschien wel meer dan welke technologie dan ook. Een groot deel van die revolutie is machinaal leren.
.....
Dit boek gaat over machinaal leren, maar die term past binnen een grotere context. Omdat machinaal leren steeds populairder wordt, krijgt het veel berichtgeving. In die artikelen gebruiken journalisten de termen kunstmatige intelligentie, machinaal leren en neurale netwerken vaak door elkaar. Er zijn echter kleine verschillen tussen de drie termen.
Kunstmatige intelligentie is de oudste en breedste van de drie termen. Kunstmatige intelligentie, bedacht in het midden van de 20e eeuw, verwijst naar elk moment dat een machine zijn omgeving observeert en erop reageert. Kunstmatige intelligentie staat in contrast met natuurlijke intelligentie bij mens en dier. In de loop van de tijd is de reikwijdte van kunstmatige intelligentie echter veranderd. Tekenherkenning was bijvoorbeeld een grote uitdaging voor AI. Nu is het routine en wordt het niet langer beschouwd als onderdeel van AI. Terwijl we nieuwe toepassingen voor AI ontdekken, integreren we ze in ons referentiekader voor wat normaal is, en de reikwijdte van AI strekt zich uit tot wat het volgende nieuwe ding ook is.
.....
