Spis treści
O Autorach
9
Wstęp, czyli dlaczego napisaliśmy tę książkę
11
1. Jak to działa Podstawowe pojęcia Uczenie maszynowe
23 23 26
2. Podstawowe modele data science Regresja liniowa pomaga w wyborze wina Drzewa decyzyjne pozwalające ocenić ryzyko kredytowe Jakie lekcje powinien wyciągnąć dyrektor marketingu z nalotów aliantów podczas II wojny światowej Naiwny klasyfikator Bayesa uwalnia nas od spamu Uczenie maszynowe nienadzorowane
31 31 45 51 56 58 65
3. Głębokie uczenie maszynowe Jak sztuczna inteligencja powstrzymała złodziei papieru toaletowego w Chinach Dlaczego dopiero teraz nastąpił rozwój sztucznej inteligencji Jak działają algorytmy głębokiego uczenia się – przykład uczenia nadzorowanego Jak stosować głębokie uczenie się w praktyce
66 67 68 74
4. Czy komputer może działać jak ludzki mózg, czyli uczenie ze wzmocnieniem Jak ludzki mózg stosuje mechanizm nagród w procesie uczenia się Nagrody, czyli o tym, jak działają algorytmy uczenia ze wzmocnieniem Eksploracja versus eksploatacja i Q-uczenie się Zastosowania algorytmów uczenia się ze wzmocnieniem
79 79 81 84 88
5. Jak komputer nauczył się rozumieć ludzką mowę, czyli gra w 300 pytań Od cyfr, przez kompilatory, do rozumienia języka naturalnego Jak słowa stają się wektorami liczb, które komputer rozumie Zastosowania biznesowe
91 91 93 96
6. Jak przeczytaliśmy ze zrozumieniem 180 tysięcy artykułów o nowych technologiach w kilka minut
99
7. Internet rzeczy i uczenie maszynowe Rolls-Royce, doskonałość produkcji i obsługi dzięki big data science Jak rzeźnik wykorzystał internet rzeczy i uczenie maszynowe do budowy siły marki i wzrostu sprzedaży Przyszłość IoT
Spis treści
105 105 107 108
5