5 книг по искусственному интеллекту, которые я недавно прочитал ...
Вот 5 книг, которые я недавно прочитал, которые, на мой взгляд, были отличными и определенно стоили времени любого человека, занимающегося ИИ ...
Одна из книг даже не об искусственном интеллекте, но я думаю, что эта тема должна быть востребована для многих практиков и лидеров мнений.
Прокомментируйте свои рекомендации по книгам ниже!
Глубокое обучение, Ян Гудфеллоу, Йошуа Бенжио и Аарон Курвиль
Я впервые прочитал эту книгу несколько лет назад, когда она была опубликована, и я возвращаюсь к ней в качестве справочного материала каждые несколько месяцев, когда мне нужно убедиться, что я понимаю концепцию, или нужно дважды проверить свою или чужую работу. . Это отличное резюме теории и концепций для тех, кто хочет немного глубже понять.
Я думаю, что отличный путь к обучению и получению умеренно глубокого теоретического и практического понимания - это пройти по частям этот текст и следующий текст «Глубокое обучение с помощью Python» одновременно. Попробуйте пройти теоретическую главу и понять хотя бы основы главы «Глубокое обучение», а затем приступайте к реализации этих идей, используя соответствующую главу из «Глубокого обучения с помощью Python». Например, вы можете прочитать главу «Сверточные нейронные сети» в «Глубинном обучении», а затем перейти к главе «Компьютерное зрение» в «Глубокое обучение с помощью Python». Вы обнаружите, что как только вы поймете хотя бы базовую теорию, поддерживающую использование каждого типа сети или подхода, вы сможете более эффективно выбрать правильную архитектуру для своего приложения.
Вам нужно разбираться в математике, статистике или теории? Если вы создаете исключительно практические приложения и не занимаетесь исследованиями, ответ, скорее всего, будет отрицательным. Но базовое понимание теории дает вам возможность более красноречиво сформулировать, почему та или иная модель является лучшим выбором для решения конкретной проблемы для ваших коллег или коллег-исследователей.
Глубокое обучение с помощью Python, Франсуа Шоле
Франсуа Шоле, создатель Keras и штатный инженер-программист в Google, написал «Глубокое обучение с помощью Python» с точки зрения человека, который глубоко (хех) понимает как Deep Learning, так и экосистему Python для разработки приложений и систем глубокого обучения.
«Глубокое обучение с помощью Python» начинается с введения в нейронные сети и некоторых предварительных концепций и идей, необходимых для перехода. Он продолжает важные практические концепции, такие как проектирование функций, переоснащение и неполное оснащение, а также рабочие процессы. Затем он переходит к сути текста, включая компьютерное зрение, упорядоченные данные, передовой опыт и генеративные сети.
Обучение с подкреплением: Введение, Ричард Саттон
По общему признанию, обучение с подкреплением - это тема, о которой я сознательно игнорировал в течение долгого времени. Обучение с подкреплением использовалось для множества интересных разработок за последнее десятилетие; в частности, победы в шахматах, го, DOTA и Starcraft против лучших людей.
Я хочу выделить этот текст по нескольким причинам. Во-первых, он размещается на сайте Стэнфорда бесплатно! Во-вторых, это просто отличная книга, которую я считаю очень полезной для быстрого ознакомления с концепциями RL. Он плотный. Потребуется много усилий и солидный фон. Но если вы сможете пройти через это, я думаю, это того стоит.
Я не тороплюсь с этим, поскольку он не имеет непосредственного отношения к моей работе или текущим личным занятиям, но он увлекателен и забавен, и я чувствую, что могу разделить успехи таких проектов, как DeepMind AlphaStar, когда я пойму основы как это работает.
Практическая этика, Питер Сингер
Признаюсь, я не изучаю философию по-настоящему; мой опыт довольно ограничен. Тем не менее, я изо всех сил стараюсь изучать соответствующую литературу по частям. Когда мы изучаем такие вещи, как ИИ, мы сталкиваемся с серьезными этическими соображениями, которые чрезвычайно важны для того, как мы принимаем решения и внедряем системы на основе ИИ. Я думаю, можно с уверенностью сказать, что это потенциально опасно, если мы продолжим многие усилия по ИИ, не проконсультировавшись со специалистами по этике или не получив собственного опыта в области этики в качестве инженеров и практиков в области ИИ.
«Практическая этика» - это книга Питера Сингера, которая рассматривает этические соображения с практической точки зрения, с практической точки зрения в том смысле, что в ней обсуждается этика в контексте очень актуальных вопросов, таких как равенство, убийство животных, богатство, изменение климата и другие соответствующие темы. .
Если мы начнем надлежащим образом рассуждать по некоторым из этих вопросов и обосновать свои убеждения, мы сможем начать понимать, как нам следует подходить к спорным вопросам в ИИ. Некоторые из этих проблем включают будущее работы, расовые, гендерные и т. Д. Предвзятость в системах ИИ, боевые машины, построенные с использованием ИИ, и другие современные проблемы, которые должны быть актуальны для всех нас, разрабатывающих системы ИИ.
Достижения в области финансового машинного обучения, Маркос Лопес де Прадо
Я все время говорю об этом тексте. Это настоящая библия финансового машинного обучения. Вот еще несколько книг для квантов. Он вышел около года назад, поэтому его практическое использование до сих пор очень актуально. В нем обсуждаются практические подходы к финансовому машинному обучению, рассматриваются передовые практики и распространенные ошибки, которых следует избегать. Я думаю, что многие тексты в других областях машинного обучения могли бы быть намного лучше с форматом и подходом, подобным этому тексту. Подход к объяснениям, четкое применение, плюсы и минусы подходов и просто общая структура книги очень способствует изучению и повторному применению.
Оставьте комментарий ниже, если есть качественная книга по ИИ, которую вы недавно читали, или напишите мне в Твиттере!
Чтобы поддержать мое письмо и получить полный доступ ко всем статьям на Medium, посетите https://posey.medium.com/membership
