⭐⭐⭐⭐⭐ (4.8) |
Machine Learning with Python Tutorial Machine Learning (ML) is basically that field of computer science with the help of which computer systems can provide sense to data in much the same way as human beings do. In simple words, ML is a type of artificial intelligence that extract patterns out of raw data by using an algorithm or method. The key focus of ML is to allow computer systems to learn from experience without being explicitly programmed or human intervention. This tutorial will be useful for graduates, postgraduates, and research students who either have an interest in this subject or have this subject as a part of their curriculum. The reader can be a beginner or an advanced learner. This tutorial has been prepared for the students as well as professionals to ramp up quickly. This tutorial is a stepping stone to your Machine Learning journey. The reader must have basic knowledge of artificial intelligence. He/she should also be aware of Python, NumPy, Scikit-learn, Scipy, Matplotlib. If you are new to any of these concepts, we recommend you to take up tutorials concerning these topics, before you dig further into this tutorial.
Buku ini menjanjikan pembaca mengetahui dengan lebih lanjut tentang ilmu 'Machine Learning' dan janji itu ditepati.Walaupun buku ini nampak berat, tetapi penyampaianya sangat padat, ringkas dengan menggunakan nada akademik; straight to the point. Terma-terma yang diberikan tidaklah terlalu memeningkan. Sangat mudah untuk faham bagi pembaca yang ada asas statistik. Buku ilmiah ini mempunyai 13 bab yang membuka minda pembaca apa itu 'machine learning', 'traditional artificial intelligence' (AI) dan lain-lain.
The journey of AI began in the 1950's when the computing power was a fraction of what it is today. AI started out with the predictions made by the machine in a fashion a statistician does predictions using his calculator. Thus, the initial entire AI development was based mainly on statistical techniques.
Secara peribadi, saya suka dengan kandungan buku ini. Pertama, kerana ia mempunyai ilustrasi statistik yang menarik dan ringkas membuatkan buku ini langsung tidak membosankan. Kedua, kerana terdapat bab yang paling menarik dalam buku ini iaitu 'Chapter 5: Categories'. Dalam bab ini ada menyatakan bagaimana sesebuah mesin itu belajar sesuatu maklumat.
Antara kategori 'machine learning' adalah Supervised Learning, Unsupervised Learning, Reinforcement Learning, Deep Learning dan Deep Reinforcement Learning. Contoh untuk Supervised Learning adalah seperti mengajar anak kecil yang baru belajar berjalan. Sudah pasti saya akan menunjukkan cara melangkah ke hadapan, memegang tangan supaya anak kecil itu tidak jatuh dan sebagainya. Sama juga seperti mesin, seorang pakar akan memberikan contoh kepada komputer dan menyatakan nilai ciri x1 outputnya adalah y2, untuk x2 outputnya adalah y2 dan berikutnya. Jadi berdasarkan data yang diberikan, komputer itu akan dibiarkan dan secara langsung komputer itu mengetahui hubungan antara x dan y. Menarik bukan?! Itu baru satu kategori machine learning! Belum lagi diterangkan kategori yang lain. Baiklah, adakah saya mengsyorkan buku ini? Untuk pembaca random yang suka meneroka pelbagai jenis bacaan seperti saya, mungkin buku ini untuk anda. Selamat membaca!
No comments:
Post a Comment
Ini adalah polisi komen di blog ini. Komen yang dianggap spam, mengandungi kata-kata kesat, menghina individu, atau tidak berasas akan dipadamkan. Pemilik blog tidak bertanggungjawab atas komen yang diposkan oleh pembaca. Pemilik blog berhak untuk mengedit atau memadam komen tanpa notis.