کتاب Model-Based Machine Learning

کتاب Model-Based Machine Learning (یادگیری ماشینی مبتنی بر مدل) در 8 فصل مفاهیم یادگیری ماشین مبتنی بر مدل را آموزش داده و به صورت کاربردی آن را توضیح می‌دهد.

در ادامه مقدمه‌ای از کتاب Model-Based Machine Learning را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Model-Based Machine Learning:

امروزه، یادگیری ماشین برای انواع رو به رشدی از مشکلات در حوزه‌های مختلف گیج‌کننده به کار می‌رود. هنگام انجام یادگیری ماشینی، یک چالش اساسی اتصال ریاضیات انتزاعی یک تکنیک خاص یادگیری ماشینی به یک مسأله واقعی و واقعی است.

کتاب Model-Based Machine Learning از طریق یادگیری ماشینی مبتنی بر مدل به این چالش می‌پردازد. یادگیری ماشینی مبتنی بر مدل رویکردی است که بر درک مفروضات کدگذاری شده در یک سیستم یادگیری ماشینی و تأثیر متناظر آن‌ها بر رفتار سیستم تمرکز دارد. تمرین یادگیری ماشینی مبتنی بر مدل شامل جدا کردن این فرضیات در مورد یک موقعیت واقعی از ریاضیات دقیق الگوریتم‌های مورد نیاز برای انجام یادگیری ماشین است.

این رویکرد هم درک رفتار یک سیستم یادگیری ماشینی و هم انتقال آن را به دیگران آسان‌تر می‌کند. جزئیات بیشتر در مورد اینکه یادگیری ماشینی مبتنی بر مدل چیست و چگونه می‌تواند کمک کند، در فصل مقدمه با عنوان «یادگیری ماشینی چگونه می‌تواند مشکل من را حل کند؟ » توضیح داده شده است.

کتاب Model-Based Machine Learning برای یک کتاب درسی یادگیری ماشینی غیرمعمول است زیرا ما دسته‌بندی الگوریتم‌ها یا تکنیک‌ها را بررسی نمی‌کنیم. در عوض، ما تمام‌ایده‌های کلیدی را از طریق مطالعات موردی شامل برنامه‌های کاربردی دنیای واقعی معرفی می‌کنیم.

مطالعات موردی نقش اصلی را ایفا می‌کنند زیرا تنها در زمینه کاربرد‌ها است که بحث در مورد مفروضات مدل‌سازی منطقی است. هر فصل مطالعه موردی یک برنامه کاربردی دنیای واقعی را معرفی می‌کند و آن را با استفاده از یک رویکرد مبتنی بر مدل حل می‌کند. علاوه بر این، اولین فصل آموزشی به بررسی یک مشکل تخیلی مربوط به راز قتل می‌پردازد.

هر فصل همچنین در خدمت معرفی انواع مفاهیم یادگیری ماشینی است، نه به عنوان‌ایده‌های انتزاعی، بلکه به عنوان تکنیک‌های ملموس با انگیزه نیاز‌های برنامه. شما می‌توانید این مفاهیم را به عنوان بلوک‌های سازنده برای ساخت مدل‌ها در نظر بگیرید.

اگرچه برای درک کامل این مفاهیم باید مقداری زمان صرف کنید، اما به زودی متوجه خواهید شد که مدل‌های بسیار متنوعی را می‌توان از تعداد نسبتاً کمی بلوک‌های ساختمانی ساخت. با مطالعه موردی در این کتاب، خواهید آموخت که این اجزا چیست و چگونه از آن‌ها استفاده کنید. هدف این است که به شما درک کافی از قدرت و انعطاف‌پذیری رویکرد مبتنی بر مدل بدهد تا به شما امکان دهد مشکل یادگیری ماشین خود را حل کنید.

بیشتر بخوانید: کتاب Machine and Deep Learning Using MATLAB

کتاب Model-Based Machine Learning برای چه کسی است؟

این کتاب برای هر فرد فنی در نظر گرفته شده است که می‌خواهد از یادگیری ماشین برای حل یک مشکل دنیای واقعی استفاده کند یا می‌خواهد بفهمد که چرا یک سیستم یادگیری ماشینی موجود اینگونه رفتار می‌کند. تمرکز بیشتر کتاب بر روی طراحی مدل‌هایی برای حل مشکلات ناشی از مطالعات موردی واقعی است. فصل آخر «چگونه یک مدل را بخوانیم» به جای استفاده از یادگیری ماشینی مبتنی بر مدل برای درک تکنیک‌های یادگیری ماشین موجود است.

برخی از خوانندگانی که دارای ذهنیت ریاضی بیشتری هستند می‌خواهند جزئیات نحوه تبدیل مدل‌ها به الگوریتم‌های قابل اجرا را درک کنند. ما این بخش‌های کتاب را که به ریاضیات پیشرفته‌تری نیاز دارند، به بخش‌های عمیق جدا کرده‌ایم.

بخش‌های غواصی عمیق با پانل‌هایی مانند تصویر زیر مشخص شده‌اند. این بخش‌ها اختیاری هستند – می‌توانید کتاب را بدون آن‌ها بخوانید. استنتاج بخش‌های فنی غواصی عمیق که به جزئیات الگوریتم‌ها می‌پردازند به این صورت علامت‌گذاری می‌شوند. اگر فقط می‌خواهید روی مدل‌سازی تمرکز کنید، می‌توانید از این بخش‌ها صرف نظر کنید.

بیشتر بخوانید: کتاب Training Data for Machine Learning

چگونه کتاب Model-Based Machine Learning را بخوانیم؟

هر مطالعه موردی در این کتاب سفری را از بیان مسأله تا راه حل توصیف می‌کند. احتمالاً نمی‌خواهید این سفر را در یک جلسه دنبال کنید. برای کمک به این امر، هر مطالعه موردی به بخش‌هایی تقسیم می‌شود – توصیه می‌کنیم هر بار یک بخش را بخوانید و برای هضم آنچه در پایان هر بخش آموخته‌اید مکث کنید.

برای کمک به این امر، مفاهیم یادگیری ماشینی معرفی شده در یک بخش به این صورت برجسته شده و در یک واژه نامه کوچک در پایان هر بخش بررسی می‌شود. هدف ما ارائه جزئیات کافی از هر مفهوم است تا امکان درک مطالعات موردی را فراهم کنیم، همراه با پیوند‌هایی به منابع خارجی، مانند Bishop [۲۰۰۶]، جایی که اگر به موضوع خاصی علاقه دارید می‌توانید جزئیات بیشتری را دریافت کنید.

همچنین هر بخش مقدماتی کتاب Model-Based Machine Learning شامل یک ارزیابی شخصی است که شامل تمرین‌های عملی و عملی است. می‌توانید از این تمرین‌ها برای آزمایش درک خود از مفاهیم معرفی شده در بخش مربوطه استفاده کنید.

به‌جای اینکه تمرین‌های صرفاً ریاضی باشند، معمولاً ارزیابی‌های بازتر با هدف ورود به ذهنیت مناسب برای تفکر در مورد مفروضات و توسعه مدل یادگیری ماشین هستند. بیشتر تمرین‌ها به گونه‌ای طراحی شده‌اند که امکان بررسی خود را فراهم می‌کنند، برای مثال با مقایسه نتایج یک تمرین با دیگری. برای برخی تمرین‌ها، کار کردن با یک شریک می‌تواند مفید باشد، بنابراین می‌توانید یادداشتهای پاسخ‌هایتان را مقایسه کنید و در مورد فرضیاتی که انجام داده‌اید بحث کنید.

سرفصل‌های کتاب Model-Based Machine Learning:

• Introduction. How Can Machine Learning Solve my Problem? 
• 1. A Murder Mystery 
• 2. Assessing People’s Skills 
• Interlude. The Machine Learning Life Cycle 
• 3. Meeting Your Match 
• 4. Uncluttering Your Inbox 
• 5. Making Recommendations 
• 6. Understanding Asthma 
• 7. Harnessing the Crowd 
• 8. How to Read a Model  Afterword

جهت دانلود کتاب Model-Based Machine Learning می‌توانید پس از پرداخت، دریافت کنید.