Overview

Książka ta stanowi kompleksowy i przystępny przegląd pojawiających się trendów w uczeniu maszynowym (ML), podkreślając transformację tej dziedziny z tradycyjnego podejścia skoncentrowanego na algorytmach do szerszej dyscypliny zorientowanej na systemy. Książka analizuje kluczowe paradygmaty, takie jak Federated Learning, Explainable Artificial Intelligence, Graph Neural Networks, Self-Supervised and Transfer Learning, AutoML, TinyML, Quantum Machine Learning, Reinforcement Learning i Multimodal Learning.Poza podstawami technicznymi, książka zawiera empiryczną analizę najnowszych badań, aby ujawnic, w jaki sposób nowoczesne uczenie maszynowe jest w coraz większym stopniu ksztaltowane przez obawy, takie jak prywatnośc, interpretowalnośc, skalowalnośc, efektywnośc energetyczna i zarządzanie. Analizuje rzeczywiste zastosowania w różnych sektorach, w tym w opiece zdrowotnej, finansach, transporcie i cyberbezpieczeństwie, a także zajmuje się implikacjami etycznymi i spolecznymi.Lącząc wyjaśnienia koncepcyjne ze spostrzeżeniami opartymi na badaniach, książka ta oferuje uporządkowane zrozumienie zarówno bieżących wydarzeń, jak i przyszlych kierunków w uczeniu maszynowym, co czyni ją cennym źródlem informacji dla studentów, badaczy i praktyków poruszających się po ewoluującym krajobrazie ML.

Full Product Details

9786209810879

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available