ทำความเข้าใจแมชชีนเลิร์นนิง: จากทฤษฎีสู่อัลกอริทึม [eBook ฟรี 449 หน้า]

 (cs.huji.ac.il)
2 คะแนน โดย GN⁺ 2025-04-06 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • หนังสือ "Understanding Machine Learning" ที่เขียนโดย Shai Shalev-Shwartz และ Shai Ben-David ตีพิมพ์โดย Cambridge University Press ในปี 2014
  • กล่าวถึงพื้นฐานเชิงทฤษฎีและอัลกอริทึมของแมชชีนเลิร์นนิง
  • มีการเผยแพร่ PDF ของต้นฉบับโดยได้รับอนุญาตจาก Cambridge University Press และสามารถดาวน์โหลดได้เพื่อการใช้งานส่วนบุคคลเท่านั้น
  • ไม่ใช่สำหรับการแจกจ่ายต่อ

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2025-04-06
ความคิดเห็นจาก Hacker News

  • ถ้าอยากเข้าใจแมชชีนเลิร์นนิง แนะนำ "The StatQuest Illustrated Guide to Machine Learning" ของ Josh Starmer

    • Starmer เป็นครูที่ยอดเยี่ยมในการอธิบายแนวคิดซับซ้อนให้ชัดเจนและกระชับ
    • หนังสือเล่มนี้เขียนในรูปแบบที่อ่านและเข้าใจได้ง่ายราวกับหนังสือเด็ก
    • เขายังตีพิมพ์หนังสือเกี่ยวกับโครงข่ายประสาทเทียม และนำเสนอวิธีการสอนและการสื่อสารที่เป็นประโยชน์แม้กับผู้เชี่ยวชาญ

  • ถ้าอยากเข้าใจพื้นฐานของแมชชีนเลิร์นนิง แนะนำ "Probability for computer scientists" ของ Stanford

    • ครอบคลุมทฤษฎีความน่าจะเป็นและรากฐานเชิงทฤษฎีของแมชชีนเลิร์นนิง
    • คอร์สของ Andrew Ng ก็มีชื่อเสียงเช่นกัน แต่ต้องมีพื้นฐานคณิตศาสตร์
    • สามารถดาวน์โหลดเอกสารการสอนของ CS109 เป็น PDF ได้
    • "Learning from Data" ของ Caltech ก็ดีสำหรับความเข้าใจเชิงทฤษฎี
    • ถ้าอยากเข้าใจโครงข่ายประสาทเทียมตั้งแต่พื้นฐาน แนะนำ "Neural networks zero to hero"

  • คอร์สแมชชีนเลิร์นนิงของ Bloomberg เป็นคอร์สที่ชอบที่สุดเป็นการส่วนตัว

  • ถ้าอยากเรียนรู้ generative AI สมัยใหม่ แนะนำ "udlbook"

  • สงสัยว่าวิศวกรซอฟต์แวร์ที่ไม่ได้ทำวิจัยจำเป็นต้องเข้าใจแนวคิดแมชชีนเลิร์นนิงอย่างลึกซึ้งหรือไม่

    • รู้สึกถึงช่องว่างทางธุรกิจที่จำเป็นต่อการนำ AI/ML ไปใช้งาน
    • สำหรับธุรกิจทั่วไป การปรับแต่งโมเดลที่มีอยู่เพียงเล็กน้อยอาจเหมาะสมกว่าการพัฒนาโมเดลขึ้นมาเอง

  • สำหรับหนังสือเบื้องต้นด้านทฤษฎีแมชชีนเลิร์นนิง ทฤษฎีการเรียนรู้เชิงสถิติถือว่าเข้าถึงได้ง่ายที่สุด

  • ความท้าทายที่ใหญ่ที่สุดของโมเดล ML ไม่ใช่อัลกอริทึม แต่คือการจัดระเบียบความรู้เชิงบริบท

    • การจัดโครงสร้างเอกสารแบบลำดับชั้นช่วยปรับปรุงผลลัพธ์ได้อย่างมาก

  • หนังสือที่เคยอ่านเมื่อนานมาแล้วมีเนื้อหาเชิงทฤษฎีและแทบไม่เน้นการประยุกต์ใช้

    • เป็นหนังสือที่ตีพิมพ์ในปี 2014 ซึ่งตอนนี้ล้าสมัยแล้ว
    • ทฤษฎีคณิตศาสตร์ไม่ได้มีประโยชน์ในทางปฏิบัติมากนัก และแนวทางเชิงปฏิบัติสำคัญกว่า
    • แมชชีนเลิร์นนิงไม่ใช่คณิตศาสตร์หรือวิทยาการคอมพิวเตอร์เชิงทฤษฎี แต่เป็นสาขาหนึ่งของวิศวกรรม

  • หนังสือเล่มนี้ตีพิมพ์ในปี 2014 จึงสงสัยว่ายังมีความเกี่ยวข้องอยู่หรือไม่

  • หนังสือเล่มนี้ตีพิมพ์เมื่อ 10 ปีก่อน จึงคิดว่าล้าสมัยแล้ว