商品簡介
Książka ta stanowi kompleksowy i przystępny przegląd pojawiających się trend闚 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 spos鏏 nowoczesne uczenie maszynowe jest w coraz większym stopniu ksztaltowane przez obawy, takie jak prywatnośc, interpretowalnośc, skalowalnośc, efektywnośc energetyczna i zarządzanie. Analizuje rzeczywiste zastosowania w r?#380;nych 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 zar闚no bieżących wydarzeń, jak i przyszlych kierunk闚 w uczeniu maszynowym, co czyni ją cennym źr鏚lem informacji dla student闚, badaczy i praktyk闚 poruszających się po ewoluującym krajobrazie ML.
