بله
کتاب آموزش یادگیری ماشین به سبک Andrew NG اثری است که در آن اندرو ان جی به مهندسان کامپیوتر در باب نیازهای درون سیستمی و روش‌هایی که می‌توان از هوش مصنوعی استفاده کرد، اطلاعات موجز و راه‌گشایی ارائه می‌دهد. این کتاب به شما یاد می‌دهد که چگونه از داده استفاده کنید، آن را تغییر دهید و تمام روش‌های کار با هوش مصنوعی را فرا بگیرید.
درباره‌ی کتاب آموزش یادگیری ماشین به سبک Andrew NG
کتاب آموزش یادگیری ماشین به سبک Andrew NG که توسط انتشارات آتی‌نگر منتشر شده، راهنمایی برای برنامه‌نویسان، مهندسان کامپیوتر و کسانی است که در صنعت هوش مصنوعی فعالیت می‌کنند. اندرو ان جی در این کتابِ مرجع و آموزشی خود با بهره بردن از نثری شیوا و قابل‌فهم به شما سازوکارهایی که در باب ماشین کدنویسی، هوش مصنوعی و ساختارهای پیچیده‌ی آن وجود دارد را آموزش می‌دهد. در واقع این کتاب به شما اطلاعاتی ارائه می‌دهد که نه‌تنها با ماشین و هوش مصنوعی آشنایی پیدا کنید، بلکه به یک شخص حرفه‌ای در مواجهه با آن تبدیل شوید.
این کتاب به شما می‌گوید که اساساً پایه‌های ساخت یک برنامه‌ی هوش مصنوعی چگونه است و ساختار برنامه‌نویسی در آن به چه روش‌هایی شکل می‌گیرد. این کتاب نه‌تنها شما را با محیط و اکوسیستمِ ساخت هوش مصنوعی آشنا می‌کند، بلکه روش‌های کاربردی‌ای را پیش روی شما قرار می‌دهد که با استفاده از آن‌ها از مشکلاتی که احتمال دارد با آن‌ها مواجه شوید اجتناب کنید.
همان‌طور که بسیاری از مخاطبین پس از خواندن کتاب آموزش یادگیری ماشین به سبک Andrew NG اعتراف کرده‌اند، این پژوهش جامع به سؤالات و مسائلی پاسخ می‌دهد که ممکن است در هیچ کتاب آموزشی دیگری نیابید. این کتاب تشریحات و توضیحات خود از ساختار هوش مصنوعی را به گونه‌ای آموزش داده است که به راحتی بتوانید به هنگام کار با برنامه به آن مراجعه کنید یا با همکاران خود آن را به اشتراک بگذارید. گفتنی است که این کتاب بیشتر سعی دارد به عنوان یک «راهنما» و «دیکشنری» برای برنامه‌نویسان هوش مصنوعی عمل کند و ازاین‌رو با نگاهی کلی نوشته شده و نه جزئی.
این کتاب که حجم بالایی ندارد توسط شخصی به نگارش درآمده که در شرکت‌هایی چون گوگل برین فعالیت داشته و در دانشگاه‌های معتبر آمریکا به آموزش پرداخته است. کتاب آموزش یادگیری ماشین به سبک Andrew NG به شما کمک می‌کند تا اصول‌های پایه در کار با هوش مصنوعی را به ساده‌ترین روش یاد بگیرید و به تعبیر یکی از مخاطبان کتاب برای کسانی که در این حوزه فعالیت می‌کنند می‌تواند همچون «یک الماس درخشان» باشد.
کتاب آموزش یادگیری ماشین به سبک Andrew NG برای چه کسانی مناسب است؟
خواندن این کتاب به مهندسان کامپیوتر، برنامه‌نویسان و به کسانی که در کار کردن با هوش مصنوعی تازه‌کار هستند پیشنهاد می‌شود.
در بخشی از کتاب آموزش یادگیری ماشین به سبک Andrew NG می‌خوانیم
فرض کنید در حال کار روی یک برنامه کاربردی مربوط به تصاویر پزشکی هستید که بیماری را به‌طور خودکار از طریق تصاویر اشعه ایکس تشخیص می‌دهد. برنامه مزبور برای شخص عادی بدون هیچ پیش‌زمینه پزشکی و با کمی آموزش‌های پایه به نرخ خطای 15% دست پیدا می‌کند. این نرخ خطا برای یک پزشک تازه‌کار به 10% و برای یک پزشک باتجربه به 5% می‌رسد. و در نهایت، یک تیم کوچک از پزشکان که به تبادل‌نظر راجع به هر تصویر می‌پردازند به نرخ خطای 2% می‌رسند. من در این مورد از نرخ خطای 2% به‌عنوان شاخص عملکرد سطح انسانی برای نرخ خطای بهینه خود استفاده کردم. شما می‌توانید نرخ خطای 2% را به‌عنوان سطح عملکرد مطلوب نیز در نظر بگیرید، زیرا هر سه دلیل ذکر شده در فصل قبل که مربوط به مقایسه عملکرد سطح انسانی است در اینجا کاربرد دارند: سهولت دستیابی به داده‌های برچسب‌دار از طریق برچسب‌زن‌های انسانی. شما می‌توانید به سراغ تیمی از پزشکان بروید تا برچسب‌هایی با نرخ خطای 2% را در اختیار شما قرار دهند.
تحلیل خطا ممکن است برگرفته از شهود انسانی باشد. شما می‌توانید از طریق تبادل‌نظر با تیمی از پزشکان در مورد تصاویر به شهود آن‌ها اتکا کنید. از عملکرد سطح انسانی برای برآورد نرخ خطای بهینه و نیز تنظیم «نرخ خطای مطلوب» قابل‌دستیابی استفاده کنید. منطقی است که از خطای 2% به‌عنوان تخمینی برای نرخ خطای بهینه استفاده کنید. نرخ خطای بهینه حتّی می‌تواند کمتر از 2% باشد، امّا نمی‌تواند بالاتر از این باشد زیرا برای تیمی از پزشکان این امکان وجود دارد که به خطای 2% برسند. در مقابل، این منطقی نیست که از نرخ 5% یا 10% به‌عنوان برآورد نرخ خطای بهینه استفاده کنید، زیرا می‌دانیم که این برآوردها لزوماً بیش از حد بالا هستند. وقتی صحبت از دستیابی به داده‌های برچسب‌دار به میان می‌آید، ممکن است مایل نباشید راجع به هر تصویر با تیم کاملی از پزشکان تبادل‌نظر کنید زیرا زمان آن‌ها بسیار ارزشمند و گران است. شاید بتوانید از یک پزشک تازه‌کار درخواست کنید بیشتر موارد را برچسب‌گذاری کرده و تنها موارد سخت‌تر را نزد پزشکان باتجربه‌تر یا تیم پزشکان ببرید.
