Nowe trendy w uczeniu maszynowym

Ksi¿¿ka ta stanowi kompleksowy i przyst¿pny przegl¿d pojawiaj¿cych si¿ trendów w uczeniu maszynowym (ML), podkre¿laj¿c transformacj¿ tej dziedziny z tradycyjnego podej¿cia skoncentrowanego na algorytmach do szerszej dyscypliny zorientowanej na systemy. Ksi¿¿ka analizuje kluczowe paradygmaty, takie jak Federated Learning, Explainable Artificial Intelligence, Graph Neural Networks, Self-Supervised and Transfer Learning, AutoML, TinyML, Quantum Machine Learning, Reinforcement Learning i Multimodal Learning.Poza podstawami technicznymi, ksi¿¿ka zawiera empiryczn¿ analiz¿ najnowszych badä, aby ujawni¿, w jaki sposób nowoczesne uczenie maszynowe jest w coraz wi¿kszym stopniu ksztätowane przez obawy, takie jak prywatno¿¿, interpretowalno¿¿, skalowalno¿¿, efektywno¿¿ energetyczna i zarz¿dzanie. Analizuje rzeczywiste zastosowania w ró¿nych sektorach, w tym w opiece zdrowotnej, finansach, transporcie i cyberbezpiecze¿stwie, a tak¿e zajmuje si¿ implikacjami etycznymi i spo¿ecznymi.¿¿cz¿c wyjänienia koncepcyjne ze spostrze¿eniami opartymi na badaniach, ksi¿¿ka ta oferuje uporz¿dkowane zrozumienie zarówno bie¿¿cych wydarze¿, jak i przysz¿ych kierunków w uczeniu maszynowym, co czyni j¿ cennym ¿ród¿em informacji dla studentów, badaczy i praktyków poruszaj¿cych si¿ po ewoluuj¿cym krajobrazie ML.

Pagina's: 64, Paperback, Wydawnictwo Nasza Wiedza