Сегодня машинное обучение – основной практический аппарат для применения искусственного интеллекта. Книга, основанная на стэнфордском учебном курсе, не ограничивается разбором конкретных библиотек, а описывает высокоуровневый подход к разработке систем машинного обучения, который упрощает их поддержку и развитие, позволяет избежать переобучения, искажения результатов. Рассказано, как сделать новую систему машинного обучения или нейронную сеть, надёжной, репрезентативной и расширяемой, а также качественно доработать уже существующие системы. Также показано, как подобрать библиотеки и алгоритмы с учётом имеющегося множества данных и действующих бизнес-требований, конструировать признаки и отслеживать метрики.
Segodnya mashinnoe obuchenie osnovnoy prakticheskiy apparat dlya primeneniya iskusstvennogo intellekta. Kniga, osnovannaya na stenfordskom uchebnom kurse, ne ogranichivaetsya razborom konkretnykh bibliotek, a opisyvaet vysokourovnevyy podkhod k razrabotke sistem mashinnogo obucheniya, kotoryy uproshchaet ikh podderzhku i razvitie, pozvolyaet izbezhat pereobucheniya, iskazheniya rezultatov. Rasskazano, kak sdelat novuyu sistemu mashinnogo obucheniya ili neyronnuyu set, nadyezhnoy, reprezentativnoy i rasshiryaemoy, a takzhe kachestvenno dorabotat uzhe sushchestvuyushchie sistemy. Takzhe pokazano, kak podobrat biblioteki i algoritmy s uchyetom imeyushchegosya mnozhestva dannykh i deystvuyushchikh biznes-trebovaniy, konstruirovat priznaki i otslezhivat metriki.
