Электронная книга

Верховный алгоритм: как машинное обучение изменит наш мир

Читать фрагмент
Как читать книгу после покупки
Описание книги

Машинное обучение преображает науку, технологию, бизнес и позволяет глубже узнать природу и человеческое поведение. Программирующие сами себя компьютеры – одна из самых важных современных технологий, и она же – одна из самых таинственных.

Ученый-практик Педро Домингос приоткрывает завесу и впервые доступно рассказывает о машинном обучении и о поиске универсального обучающегося алгоритма, который сможет выуживать любые знания из данных и решать любые задачи. Чтобы заглянуть в будущее и узнать, как машинное обучение изменит наш мир, не нужно специального технического образования – достаточно прочитать эту книгу.

На русском языке публикуется впервые.

Подробная информация
  • Возрастное ограничение: 12+
  • Дата выхода на ЛитРес: 07 июля 2016
  • Дата перевода: 2016
  • Дата написания: 2015
  • Объем: 480 стр. 33 иллюстрации
  • ISBN: 978-5-00100-172-0
  • Переводчик: Василий Горохов
  • Правообладатель: Манн, Иванов и Фербер (МИФ)
  • Оглавление
Книга Педро Домингоса «Верховный алгоритм: как машинное обучение изменит наш мир» — скачать в fb2, txt, epub, pdf или читать онлайн. Оставляйте комментарии и отзывы, голосуйте за понравившиеся.
Цитаты 132

В рассказе «Фунес памятливый» Хорхе Луис Борхес повествует о встрече с молодым человеком с идеальной памятью. Сначала такой дар может показаться редким везением, но на самом деле это ужасное проклятье. Фунес может вспомнить точную форму туч в небе в произвольный момент времени в прошлом, но ему сложно понять, что собака, которую он видел сбоку в 15:14, — та же самая собака, которую он видел спереди в 15:15, и он каждый раз удивляется собственному отражению в зеркале. Фунес неспособен обобщать, поэтому для него две вещи одинаковы, только если они выглядят идентично, вплоть до мелочей. Неограниченное обучение правилам похоже на Фунеса и совершенно неработоспособно. Учиться — значит забывать о подробностях в той же степени, как помнить о важных элементах. Компьютеры — высшее проявление синдрома саванта: они без малейших проблем запоминают все, но хотим мы от них не этого

+7OlessyaMsk_LiveLib

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.

+3OlessyaMsk_LiveLib

Точность на данных, которые алгоритм еще не видел, — настолько строгий критерий, что многие научные теории его не проходят. От этого они не становятся бесполезными, ведь наука — это не только предсказания, но и объяснение и понимание, однако в итоге, если модели не делают точных прогнозов на новых данных, нельзя быть уверенным, что лежащие в основе явления по-настоящему поняты и объяснены. А для машинного обучения тестирование на скрытых данных незаменимо, потому что это единственный способ определить, случилось ли с обучающимся алгоритмом переобучение.

+3OlessyaMsk_LiveLib

Итак, если Верховный алгоритм существует, на что он похож? На первый взгляд, очевидный ответ — на запоминание. Просто запоминай все, что видишь, и через некоторое время увидишь все, что только можно увидеть, и таким образом узнаешь все, что только можно узнать.

+3OlessyaMsk_LiveLib

Еще одна причина, по которой эксперты по машинному обучению слывут сверхумниками, заключается в том, что в мире их намного меньше, чем надо, даже по меркам компьютерных наук. Тим О’Райли, гуру в области технологий, утверждает, что «специалист по обработке данных» — самая востребованная вакансия в Кремниевой долине. По оценке McKinsey Global Institute, в 2018 году в одних только Соединенных Штатах спрос на экспертов по машинному обучению будет превышать предложение на 140–190 тысяч человек. Кроме того, потребуется дополнительно полтора миллиона разбирающихся в данных управленцев.

+3OlessyaMsk_LiveLib
Ещё 5 цитат
Лучший отзыв
f
01 августа 2016, 12:44furj

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.


 Спойлер

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.


Не менее ценным материалом, чем собственно содержание книги, является библиография в её конце. Домингес за ручку проводит читателя по залежам доступной литературы, рассказывая, в какой последовательности её лучше изучать и какие предварительные знания подразумеваются в том или ином случае. Более того, рекомендуемый материал состоит отнюдь не только из технических книг. Среди них есть и научно-популярные, рассматривающие вызовы, встающие перед человечеством на пути к созданию искусственного интеллекта.

Пожаловаться+10Поделиться:
Оставить отзыв
Отзывы (2)
a
21 июля 2016, 22:03aconsult

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».


 Спойлер

"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."


Пожаловаться+3Поделиться:
k
24 марта, 20:03kwl2040

Данная книга стимулирует любые начинания в области искусственного интеллекта. Язык книги доступен широкому кругу читателей. Автор довольно проницательно видит будущее, будущее с верховным алгоритмом.

Пожаловаться0Поделиться:
Нужна помощь
Купите 3 книги одновременно и выберите четвёртую в подарок!

Чтобы воспользоваться акцией, добавьте нужные книги в корзину. Сделать это можно на странице каждой книги, либо в общем списке:

  1. Нажмите на многоточие
    рядом с книгой
  2. Выберите пункт
    «Добавить в корзину»