Книга: Верховный алгоритм (Домингос Педро); Манн, Иванов и Фербер, 2016

Переходный период окажется бурным, но благодаря демократии все кончится хорошо. (см. глава 10)Если кратко, то книга понравилась и уже расходится на цитаты используемых при обсуждении ии, бигдаты и машинного обучения…иногда в шутку, а иногда всерьез :)
В книге много фактов из реального мира на которые ссылаются по тексту для примеров, это позволяет погуглить неизвестные факты и расширить знания о вещах которых раньше не знали. Причем факты не очень старые.
Также затрагивается работа многих современных технологических компаний
В книге два основных вектора, которые переплетаются:
1) раскрываются как сами пути по которым шли и идут разработчики машинного обучения
2) области применения в которых применение машинного обучения уже пробовали, используют и планируется использовать
Читается легко, а так как диаграмм мало, то можно порекомендовать купить электронную книгу и загнать в любую «говорилку», чтобы слушать в машине или в транспорте. К сожалению оригинальной аудио книги нет пока.
В конце есть список литературы разбитый по главам книги, те это не просто общий список. К примеру вам хочется раскопать какую-то главу глубже, то именно по нужной главе собрана вся рекомендуемая литература. Этот удобно, но это редкий вид заботы о читателях.
В конце книги вас ждет приглашение от автора принять участие в создании самого «верховного алгоритма».
  "Спасибо, что взяли меня своим проводником. На прощание у меня есть для вас подарок. Ньютон говорил, что чувствует себя мальчишкой, играющим на берегу: он берет то камушек, то ракушку, а перед ним лежит
огромный, неизведанный океан истины. Прошло три столетия, и мы собрали удивительную коллекцию гальки и раковин, но великий неизведанный океан все так же простирается перед нами и играет лучиками надежды. Мой подарок – это лодка машинного обучения, и пришло время поднять паруса."

0    0

В последнее время жизнь все чаще и чаще подбрасывает задачи, решения которых предполагает использование машинного обучения (МО). Увы, к данной теме весьма сложно подступиться, поскольку в виду своей обширности и многогранности она очень похожа на кроличью нору – без начала и без конца. В подходе к таким «снарядам», обычно не остается ничего иного, как начать распутывание клубка знаний с первой попавшейся ниточки, а дальше уже своими силами подвергать их уточнению, классификации, обобщению и т.п. Однако, согласитесь, что куда как приятнее перед сражением окинуть взором поле боя целиком с высоты птичьего полета, чтобы сразу понимать всю его географию. Мне повезло.
В отпуск я взял с собой книгу Педро Домингеса «Верховный алгоритм». Она оказалась именно таким высокоуровневым введением в предметную область, с которого комфортно начинать погружение. Автор имеет профильную научную степень, работает на кафедре информатики и инженерии Вашингтонского университета, ведет популярный курс на Coursera, имеет богатый практический опыт. В научно-популярной форме без лишней математики он проводит подробный экскурс по всем значимым школам машинного обучения. В отличие от технической литературы, книга очень живая. Она изобилует историческими зарисовками, личностями, а само накопление знаний рассматривается в динамике со взлетами и падениями разных подходов, их взаимным влиянием и соперничеством. Не останавливаясь на рассмотрении технических аспектов предметной области, Домингес идет гораздо глубже – в ее философские основания. Он в лицах повествует, каким образом современное многообразие форм машинного обучения явилось результатом борьбы приверженцев эмпиризма и рационализма. Рассмотрев сильные стороны и врожденные ограничения каждой из школ, автор подводит нас к мысли, что будущее в их синергии. В кульминационной части книги Домингес демонстрирует свою версию «Верховного алгоритма», полученного путем их скрещивания с символическим названием Alchemy.
  В книге освещаются пять школ. Каждая из них имеет свой ответ на вопрос английского мыслителя Юма «…как в принципе можно оправдать экстраполяцию того, что мы видели, на то, чего мы не видели?» В качестве ответа каждый подход предъявляет свою базовую модель представления знаний и сопутствующие ей методы оценки и оптимизации. Представления – формальный язык, на котором алгоритм машинного обучения выражает свои модели. Формальный язык символистов – логика, частные случаи которой – правила и деревья решений. Для коннекционистов это нейронные сети. Для эволюционистов – генетические программы, включая системы классификации. Для байесовцев – графические модели, общий термин для байесовских и марковских сетей. Для аналогизаторов – частные случаи, возможно, с весами, как в методе опорных векторов.

0    0

Наверное, не самая лучшая работа про BigData, но одна из немногих книг, которую хочется дать почитать друзьям-программистам или купить в подарок. Не учебник, а-ля Питер или Орейли, а скорее раздутое журналистское расследование и научпоп в одном флаконе. Must-have для интересующихся темой.

0    0