終身機器學習(原書第2版)
[美] 陳志源(Zhiyuan Chen) 劉 兵(Bing Liu) 著
- 出版商: 機械工業
- 出版日期: 2019-07-01
- 定價: $474
- 售價: 7.9 折 $374
- 語言: 簡體中文
- ISBN: 7111632125
- ISBN-13: 9787111632122
-
相關分類:
Machine Learning
- 此書翻譯自: Lifelong Machine Learning: Second Edition
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$350$315 -
$250機器學習系統設計 (Building Machine Learning Systems with Python)
-
$648$616 -
$390$351 -
$403深入理解機器學習:從原理到算法 (Understanding Machine Learning : From Theory to Algorithms)
-
$301神經網絡與深度學習
-
$403深度學習 : Caffe 之經典模型詳解與實戰
-
$228深度學習:原理與應用實踐
-
$360$281 -
$590$460 -
$301scikit learn機器學習:常用算法原理及編程實戰
-
$352Python 強化學習實戰 : 應用 OpenAI Gym 和 TensorFlow 精通強化學習和深度強化學習
-
$680$578 -
$469推薦系統
-
$505自然語言處理入門
-
$403實戰GAN:TensorFlow與Keras生成對抗網絡構建
-
$305自動駕駛汽車定位技術
-
$401深度學習:基於案例理解深度神經網絡
-
$331TensorFlow 2.0 深度學習從零開始學
-
$301Python 元學習 : 通用人工智能的實現 (Hands-On Meta Learning with Python: Meta learning using one-shot learning, MAML, Reptile, and Meta-SGD with TensorFlow)
-
$1,000$790 -
$1,000$790 -
$327遷移學習導論
-
$708$673 -
$352TensorFlow 語音識別實戰
相關主題
商品描述
本書介紹終身學習這種高級機器學習範式,這種範式通過積累過去的知識持續地學習,並將學到的知識用於幫助在未來進行其他學習和解決問題。相比之下,當前主流的機器學習範式都是孤立學習,即給定一個訓練數據集,之後在這個數據集上運行機器學習算法以生成模型,然後再將該模型運用於預期的應用。這些範式不保留已經學到的知識,也不將其運用到後續的學習中。與孤立學習系統不同,人類只通過少量的樣例就能實現有效學習,這是因為人類的學習是知識驅動的,即只需少量的數據或付出,就能利用過去已經學到的知識去學習新事物。終身學習的目標就是模仿人類的這種學習能力,因為一個沒有持續學習能力的AI系統不能算作真正的智能。
自本書第1版出版以來,終身學習的研究在相對較短的時間內取得了顯著的進展。出版第2版是為了擴展終身學習的定義,更新部分章節的內容,並添加一個新的章節來介紹深度神經網絡中持續學習的內容,這部分內容在過去的兩三年裡一直被積極研究。部分章節的內容也進行了修改,使得內容更有條理,方便讀者閱讀。此外,作者希望為這一研究領域提出一個統一的框架。目前,在機器學習中有幾個與終身學習密切相關的研究課題,特別是多任務學習、遷移學習以及元學習,因為它們也採用了知識共享和知識遷移的思想。本書之所以集中介紹這些技術並討論其異同,目的是在介紹終身機器學習的同時,對該領域的重要研究成果和新想法進行全面回顧。本書適用於對機器學習、數據挖掘、自然語言處理或模式識別感興趣的學生、研究人員和從業人員。
自本書第1版出版以來,終身學習的研究在相對較短的時間內取得了顯著的進展。出版第2版是為了擴展終身學習的定義,更新部分章節的內容,並添加一個新的章節來介紹深度神經網絡中持續學習的內容,這部分內容在過去的兩三年裡一直被積極研究。部分章節的內容也進行了修改,使得內容更有條理,方便讀者閱讀。此外,作者希望為這一研究領域提出一個統一的框架。目前,在機器學習中有幾個與終身學習密切相關的研究課題,特別是多任務學習、遷移學習以及元學習,因為它們也採用了知識共享和知識遷移的思想。本書之所以集中介紹這些技術並討論其異同,目的是在介紹終身機器學習的同時,對該領域的重要研究成果和新想法進行全面回顧。本書適用於對機器學習、數據挖掘、自然語言處理或模式識別感興趣的學生、研究人員和從業人員。