Machine Learning Q and AI – Detaillierte Vorstellung des Lernmaterials

Grundlegende Informationen

Buchtitel: Machine Learning Q and AI: 30 Essential Questions and Answers on Machine Learning and AI

Autor: Sebastian Raschka

Verlag: No Starch Press

Copyright: © 2024-2025 by Sebastian Raschka

Zugang: Kostenlos online lesbar

Überblick über das Buch

Dies ist ein praktischer Leitfaden, der sich auf die Kernkonzepte des maschinellen Lernens und der künstlichen Intelligenz konzentriert. In Form von 30 Schlüsselfragen und -antworten bietet er prägnante Wissenspunkte für Lernende, vom Anfänger bis zum Experten im maschinellen Lernen. Sebastian Raschka, ein bekannter Pädagoge im Bereich des maschinellen Lernens, destilliert komplexe KI-bezogene Themen zu leicht verständlichen, praktischen Kernpunkten.

Lernziele

• Lernenden helfen, mit dem rasanten Tempo der Entwicklung von maschinellem Lernen und KI Schritt zu halten
• Themen aus verschiedenen Bereichen des maschinellen Lernens abdecken
• Anfängern einen Lernpfad vom Einstieg bis zum Experten bieten
• Auch erfahrene Forscher und Praktiker des maschinellen Lernens können neue Techniken und Methoden entdecken

Buchstruktur

Teil I: Neuronale Netze und Deep Learning

• Chapter 1: Embeddings, Latent Space, and Representations
• Chapter 2: Self-Supervised Learning
• Chapter 3: Few-Shot Learning
• Chapter 4: The Lottery Ticket Hypothesis
• Chapter 5: Reducing Overfitting with Data
• Chapter 6: Reducing Overfitting with Model Modifications
• Chapter 7: Multi-GPU Training Paradigms
• Chapter 8: The Success of Transformers
• Chapter 9: Generative AI Models
• Chapter 10: Sources of Randomness

Teil II: Computer Vision

• Chapter 11: Calculating the Number of Parameters
• Chapter 12: Fully Connected and Convolutional Layers
• Chapter 13: Large Training Sets for Vision Transformers

Teil III: Natürliche Sprachverarbeitung

• Chapter 14: The Distributional Hypothesis
• Chapter 15: Data Augmentation for Text
• Chapter 16: Self-Attention
• Chapter 17: Encoder- and Decoder-Style Transformers
• Chapter 18: Using and Fine-Tuning Pretrained Transformers
• Chapter 19: Evaluating Generative Large Language Models

Teil IV: Produktion und Bereitstellung

• Chapter 20: Stateless and Stateful Training
• Chapter 21: Data-Centric AI
• Chapter 22: Speeding Up Inference
• Chapter 23: Data Distribution Shifts

Teil V: Vorhersageleistung und Modellbewertung

• Chapter 24: Poisson and Ordinal Regression
• Chapter 25: Confidence Intervals
• Chapter 26: Confidence Intervals vs. Conformal Predictions
• Chapter 27: Proper Metrics
• Chapter 28: The k in k-Fold Cross-Validation
• Chapter 29: Training and Test Set Discordance
• Chapter 30: Limited Labeled Data

Expertenempfehlungen

Cameron R. Wolfe (Autor von Deep Learning Focus)

"Sebastian hat ein Talent dafür, komplexe, KI-bezogene Themen in praktische Erkenntnisse zu destillieren, die von jedem verstanden werden können. Sein neues Buch, Machine Learning Q and AI, ist eine weitere großartige Ressource für KI-Praktiker auf jedem Niveau."

Chip Huyen (Autor von Designing Machine Learning Systems)

"Sebastian kombiniert auf einzigartige Weise akademische Tiefe, ingenieurmäßige Agilität und die Fähigkeit, komplexe Ideen zu entmystifizieren. Er kann tief in theoretische Themen eintauchen, experimentieren, um neue Ideen zu validieren, und sie dann alle in einfachen Worten erklären. Wenn Sie Ihre Reise ins maschinelle Lernen beginnen, ist Sebastian Ihr Führer."

Chris Albon (Director of Machine Learning, The Wikimedia Foundation)

"Man könnte sich kaum einen besseren Führer wünschen als Sebastian, der, ohne Übertreibung, der beste Pädagoge für maschinelles Lernen ist, den es derzeit gibt. Auf jeder Seite vermittelt Sebastian nicht nur sein umfassendes Wissen, sondern teilt auch die Leidenschaft und Neugier, die wahre Expertise auszeichnen."

Ronald T. Kneusel (Autor von How AI Works)

"Sebastian Raschkas neues Buch, Machine Learning Q and AI, ist eine zentrale Anlaufstelle für Übersichten über entscheidende KI-Themen, die über den Kern der meisten Einführungskurse hinausgehen... Wenn Sie bereits über tiefe neuronale Netze in die Welt der KI eingetreten sind, dann wird Ihnen dieses Buch das geben, was Sie brauchen, um die nächste Ebene zu finden und zu verstehen."

Besondere Merkmale des Lernmaterials

1. Frage-Antwort-Lernen: Systematische Abdeckung wichtiger Konzepte des maschinellen Lernens und der KI durch 30 Kernfragen
2. Praxisorientiert: Fokus auf praktische Anwendungen, Bereitstellung umsetzbarer technischer Kernpunkte
3. Tiefe und Breite zugleich: Sowohl theoretische Tiefe als auch praktische Breite
4. Progressives Lernen: Geeignet für Lernende unterschiedlicher Niveaus, vom Anfänger bis zum Experten
5. Kostenloser Zugang: Kostenloses Online-Lesen verfügbar

Zielgruppe

• Anfänger im maschinellen Lernen
• KI-Praktiker und -Forscher
• Studenten, die moderne Deep-Learning-Techniken systematisch lernen möchten
• Technische Fachleute, die mit den KI-Entwicklungstrends Schritt halten müssen
• Ingenieure, die an KI-Anwendungen in der Produktionsumgebung interessiert sind

Lernempfehlungen

1. Es wird empfohlen, die Kapitel in der angegebenen Reihenfolge zu lernen, da jeder Teil eine logische Progression aufweist.
2. Nach jedem Kapitel kann das Gelernte in Verbindung mit realen Projekten geübt werden.
3. Beachten Sie den vierten Teil über Produktion und Bereitstellung, da dies praktisches Anwendungswissen ist, das vielen Tutorials fehlt.
4. Der fünfte Teil über Modellbewertung ist für die Modellauswahl und -optimierung in der praktischen Arbeit sehr wichtig.

Bezugsmöglichkeiten

• Kostenloser Online-Zugang: Direkt auf der Website des Autors zugreifen
• Physisches Buch kaufen: Amazon oder No Starch Press
• Autor unterstützen: Sebastian's Substack Blog abonnieren oder eine Amazon-Rezension schreiben