【经典书】高效机器学习，Efficient Learning Machines

来源：专知
本文为书籍，建议阅读5分钟
《高效学习机器》探讨了机器学习的主要主题，包括知识发现、分类、遗传算法、神经网络、核心方法和生物启发技术。

机器学习技术为提取信息和数据之间的潜在关系以及通过处理现有信息来训练模型来预测未来事件提供了具有成本效益的替代方法。《高效学习机器》探讨了机器学习的主要主题，包括知识发现、分类、遗传算法、神经网络、核心方法和生物启发技术。

Mariette Awad和Rahul Khanna的综合方法将理论阐述、设计原则和高效机器学习的实际应用结合在一起。他们的经验重点，表达在他们的样本算法的密切分析贯穿全书，旨在装备工程师，工程学生和系统设计师设计和创建新的和更有效的机器学习系统。高效学习机器的读者将学习如何识别和分析机器学习技术可以为他们解决的问题，如何实现和部署样本问题的标准解决方案，以及如何设计新的系统和解决方案。

计算性能、存储、记忆、非结构化信息检索和云计算方面的进步，与新一代机器学习范式和大数据分析共同发展，作者在其传统前身的概念背景下提出了这些概念。Awad和Khanna探索了深度神经网络、分层时间记忆和皮质算法的深度学习技术的当前发展。

《自然》建议使用复杂的学习技术，使用简单的规则来产生具有适应性、进化和分布式特性的高度智能和有组织的行为。作者研究了最流行的生物启发算法，以及一个分布式数据中心管理的示例应用程序。他们还讨论了用于解决多目标优化问题的机器学习技术，在这个问题中，现实世界系统中的解决方案是受约束的，并根据它们对多个目标的总体表现进行评估。关于支持向量机及其扩展的两章重点介绍了机器学习核心的分类和回归技术的最新改进。

https://link.springer.com/book/10.1007/978-1-4302-5990-9#toc