Читать книгу Machinaal Leren In Actie - Alan T. Norman - Страница 3

Als dat manifesto van een inleiding niet duidelijk genoeg was: dit is geen boek over codering. Het is niet bedoeld voor computer wetenschappers om te leren hoe ze algoritmen voor machinaal leren kunnen creëren.

Om te beginnen ben ik bij lange na niet gekwalificeerd om zo'n boek te schrijven. Mensen besteden jaren aan het leren van de fijne kneepjes van het schrijven van algoritmen en trainingsnetwerken. Er zijn hele PhD-programma's die de randen van het veld verkennen, op basis van lineaire algebra en voorspellende statistieken. Als je diep in de details van machinaal leren duikt en er genoeg van houdt om een doctoraat te behalen, zou je gemakkelijk $ 300.000 tot $ 600.000 kunnen verdienen door voor een groot technologiebedrijf te werken. Dat is hoe zeldzaam en waardevol deze vaardigheden zijn.

Ik heb die kwalificaties niet, en ik denk dat dat een goede zaak is. Als je dit boek opgepakt hebt, betekent dit dat je een beginner bent die geïnteresseerd is in machinaal leren. U bent waarschijnlijk niet technisch, of als u dat wel bent, bent u op zoek naar en basisboek om u op weg te helpen met de basisconcepten. Als technologieschrijver leer ik constant over technologieën. Ik ben een student machinaal leren, en ik herinner me hoe het is om een beginner te zijn. Ik kan helpen de basisconcepten uit te leggen op een manier die gemakkelijk te begrijpen is. Als je dit boek eenmaal gelezen hebt, heb je een goed begrip van de kernprincipes die het gemakkelijker maken om naar een geavanceerder boek te gaan als je meer wilt weten.

Dat gezegd hebbend, als je denkt dat je de kernprincipes al begrijpt of als je echt een boek wilt dat je de moeren en bouten van het schrijven en trainen van een machinaal leren-algoritme kan leren, dan is dit waarschijnlijk niet het boek voor u.

Een inleiding voor de Leek

Het echte doel van dit boek is om een gemakkelijk leesbare inleiding tot machinaal leren te zijn. Mijn doel is om een boek te schrijven dat iedereen zou kunnen lezen, terwijl ik trouw aan de principes van machinaal leren blijf en niet de begrippen verdoezelt. Ik heb vertrouwen in de intelligentie van mijn lezers, en ik denk niet dat een beginnersboek noodzakelijkerwijs complexiteit en nuance moet opofferen. Dat gezegd hebbend, dit is geen groot boek, en het is lang niet allesomvattend. Degenen die in het onderwerp geïnteresseerd zijn, zullen dieper willen ingaan met andere boeken en onderzoeken.

In dit boek kijken we naar de basisconcepten en soorten machinaal leren. We zullen onderzoeken hoe ze werken. Vervolgens onderzoeken we de problemen van datasets, schrijven en trainen een algoritme. Ten slotte zullen we enkele praktijkvoorbeelden voor machinaal leren bekijken en plaatsen waar machinaal leren gebruikt kan worden.

Nogmaals welkom bij machinaal leren. Laten we aan de slag gaan.