【导读】近日,作者Andriy Burkov放出了他撰写的《The Hundred-Page Machine Learning Book》的这本书的最新版,只有100页,目标是任何只要有基础数学知识的人都能看懂的机器学习书籍。这本书的十一个章节最新版都已经在网站上公开,本书将涵盖监督学习和非监督学习两大部分、包括神经网络、深度学习以及计算机科学、数学和统计学中最重要的一些机器学习问题。这本书浅显易懂,适合初学者学习和收藏!
部分前言节选
让我们从实话实说开始:机器其实不会学习。典型的“Learning Machine”所做的是找到一个数学公式,当它应用于一组输入(称为“训练数据”)时,就会产生所需的输出。这个数学公式还可以为大多数其他输入(与训练数据不同)生成正确的输出,条件是这些输入来自与训练数据相同或类似的统计分布。
为什么这不是学习?因为如果你稍微改变或扭曲一下输入,输出就很可能完全错误。但动物的学习不是这样的。如果你学会了通过直视屏幕来玩电子游戏,那么如果有人稍微转动一下屏幕,你仍然可以玩得很好。机器学习算法,如果它是通过“直视”屏幕来训练的,除非它也经过了识别旋转的训练,否则它将无法在旋转的屏幕上玩游戏。
那么为什么叫“机器学习”呢?原因是由于市场营销:美国电脑游戏和人工智能领域的先驱阿瑟•塞缪尔(Arthur Samuel) 于1959年在IBM工作时创造了这个词。与IBM在试图推销“认知计算(cognitive computing)”一词在竞争中脱颖而出的情况类似,在上世纪60年代,IBM使用了新的“机器学习(machine learning)”一词来吸引客户和有才华的员工。
正如你所看到的,就像人工智能不是智能一样,机器学习也不是学习。然而,机器学习是一个被普遍认可的术语,通常指的是制造机器的科学和工程,这些机器能够在没有明确编程的情况下完成各种有用的事情。因此,这个术语中的“学习”这个词是用来类比动物的学习,而不是字面上的学习。
全文章节目录:
附部分章节内容:
(本文来自专知)
全文获取方式:关注【计算机视觉联盟】,回复关键词【ML100】即可获取。