•  

    pokaż komentarz

    Książka dotyka problemu od strony managerskiej / biznesowej i dla osób chcących zrozumieć ML od strony programistycznej będzie (przynajmniej póki co) zupełną stratą czasu. Jak chcecie się pobawić w ML, to polecam zacząć np. tutaj: https://www.coursera.org/learn/machine-learning A potem: https://www.coursera.org/specializations/deep-learning

    Tutaj fragment wstępu, który precyzuje dla kogo jest to książka i jakiego typu wiedza się tam znajduje:

    The information in this book is useful to many people, but we have to admit that we did make a few assumptions about who we think you are:
    » You’re already familiar with how machine learning algorithms are being used within your organization to create new software. You need to be prepared to lead your team in the right direction so that the company gains maximum value from the use of these powerful algorithms and models.
    » You’re planning a long-term strategy to create software that can stand the test of time. Management wants to be able to leverage all the important data about customers, employees, prospects, and business trends. Your goal is to be prepared for the future.
    (...)
    » You understand the benefits of machine learning and its impact on the company, and you want to make sure that your team is ready to apply this power to remain competitive as new business models emerge.
    » You’re a business leader who wants to apply the most important emerging technologies to be as creative and innovative as possible

    •  

      pokaż komentarz

      @Regis86: Osobiście polecam zawsze i wszędzie serię awesome list z githuba ponieważ zawierają masę darmowych materiałów na większość zagadnień z informatyki i peryferiów jak produktywność czy matematyka.
      https://github.com/sindresorhus/awesome - jedna z największych list, zawiera inne listy która są zbiorem materiałów na dany temat przy okazji porządnie go wyczerpując.
      Przykładowo w dziale Computer Science znajdzie się Machine Learning, Deep Learning czy Speech and Natural Language Processing które są zbiorami materiałów na dany temat. Dodatkowo istnieją na liście zbiory książek w których poruszane są tematy związane z ML oraz bardziej ogólnie z AI. ( ͡° ͜ʖ ͡°)

    •  

      pokaż komentarz

      @Satan696: Zgadzam się, ja też lubię "awesome listy", ale przyznam, że zazwyczaj korzystam z nich dopiero wtedy, kiedy mam pojęcie o temacie i umiem coś wybrać - kiedy dopiero zaczynam, nadmiar opcji (jak dobre by one nie były) może przytłoczyć i wtedy lubię dostać jednoznaczną sugestię od czego warto zacząć :-) Przykład: sprawdź do czego linkuje "Tutorials" w sekcji "Machine Learning" i powiedz mi jak ktoś "nowy" ma z tych setek (?) pozycji wybrać od czego warto zacząć; nawet jeśli dokopiesz się do listy polecanych kursów na "Machine Learning awesome list", to i tak masz tam aż 17 (!) pozycji. Dlatego na start z ML zawsze polecam ten sam zestaw z Coursery :-)

    •  

      pokaż komentarz

      @Regis86: A bo ja wiem, odpalam każdą i patrzę czy któraś mi odpowiada. ML to nie temat dla laików bez znajomości podstaw programowania więc jak ktoś będzie szukać to będzie wiedział co wybrać.
      Z resztą uważam że czas spędzony na przeglądanie tych list nie jest czasem straconym ale oszczędzonym bo człowiek zapoznaje się z materiałami czy tym co tam jest przed tym gdy są one potrzebne a w przyszłości szybciej może je znaleźć.

    •  

      pokaż komentarz

      @Satan696: kwestia podejścia do nauki nowych tematów. Podobnie do @Regis86 wolę dostać konkretny szkielet, na którym mogę budować dalszą wiedzę. Dzięki temu nauka jest bardziej uporządkowana i nie mam aż tylu białych plam. Duża oszczędność czasu.

    •  

      pokaż komentarz

      @Regis86: uf, już się bałem że do zakładek będę musiał dodać

    •  

      pokaż komentarz

      @tl_dr: Też Ci już brakuje czasu na prokrastynowanie tych wszystkich ciekawych rzeczy, które sobie gdzieś zapisałeś? ( ͡° ͜ʖ ͡°)

    •  

      pokaż komentarz

      @Regis86: Aż nie wierzę że nikt nie wspomniał o fast.ai

  •  
    a.........7

    +27

    pokaż komentarz

    Rzuciłem okiem na tę książkę tak na szybko i nie wiem czy coś przeoczyłem, ale niestety nie mogłem znaleźć żadnych konkretnych przykładów i proponowanych do nich rozwiązań( ͡° ʖ̯ ͡°) Widziałem praktycznie samą teorię i dość ogólnikowy opis tego zagadnienia.

  •  

    pokaż komentarz

    To jest przykład kolejnej próby sprzedaży usług przez IBM. Dotychczas każda wzmianka o Watsonie była taką próbą, a teraz książkę ml for dummies napisali. Na dodatek wszystko jest potraktowane tak bardzo po łebkach, że dla osoby która nie zna się na ml, jedyną odpowiedzią na jej wątpliwości będzie zatrudnienie konsultanta, który jej powie co można przy użyciu ml zrobić (i tego nie zrobi).

  •  

    pokaż komentarz

    hurr durr darmowa - sciongnolem dwa razy na zapas

    swoja droga IBM taka duza firma a ksiazki w PDF, jak by Mobi nie bylo ...

Dodany przez:

avatar m....t dołączył
301 wykopali 11 zakopali 13.4 tys. wyświetleń