Отзывы на книгу: Верховный алгоритм (Домингос Педро); Манн, Иванов и Фербер, 2016

Книга не связана с "бигдатой" и прочими вещами, на которых недовольные ниже комментаторы хотят ситуативно заработать. Поражает, что в эту святая святых ринулись толпы меркантильных ремесленников, которые даже не знают, что искусственный интеллект и машинное обучение - это не одно и то же! Книга о тернистом пути к "сильному искусственному интеллекту", попытке синтеза новых методов на стыке разных подходов и парадигм. Желающим заработать на "последнем изобретении человечества" не стоит читать эту книгу, не заработаете ничего, купите что нибудь со словами "машинное обучение" или ещё лучше модным словом "bigdata" в заголовке и будет вам счастье !

Вроде бы она написана специально без формул в научпоп стиле, но в ней есть есть достаточно продолжительные куски со сложными концепциями.
В целом, можно порекомендовать как специалистам в области ml, как несложное развлекательное чтиво, так и людям, которые хотят на каком-то уровне войти в мир этих знаний (менеджеры, разработчики без ml знаний).
Первые могут что-то разложить для себя по полочкам, порефлексировать, что-то освежить, или открыть с новой стороны.
Вторые начнут ориентироваться в зоопарке моделей, где и что можно применять. В конце есть хорошая глава про рекомендуемую литературу и курсы для тех, кто хочет развиваться в этой области

Очень полезное чтение для всех интересующихся вопросами искусственного интеллекта и машинного обучения. Рекомендую для прочтения

Очень хорошее научно популярное введение в машинное обучение. Есть моменты, которые будет тяжело понять не специалисту, но общую картину это никак не испортит. Наверное, будет полезна как интересующимся ML, так и специалистам ML, которые хотят преподавать или просто рассказывать близким про свою работу

Книга производит весьма смешанные впечатления, поскольку начинается с простых истин, но в ходе повествования автор обращается к сложным концепция и использует терминологии, не всегда понятную неспециалистам. Тем не менее, книга заслуживает большого внимания и уважения, так как открывает новые перспективы на будущее человека.

Автор очень хорошо раскрывает основные направления машинного обучения в Америке. Позволяет лучше понять, для чего лучше использовать тот или иной алгоритм.
Из недостатков, не упоминаются менее популярные или совсем новые принципы, например работа Алексея Редозубова, на основе работ Карла Прибрама.

Данная книга стимулирует любые начинания в области искусственного интеллекта. Язык книги доступен широкому кругу читателей. Автор довольно проницательно видит будущее, будущее с верховным алгоритмом.

Книга пустая. Думала, книга поможет в начале пути по анализу данных, но прочитав половину, не нашла для себя ничего полезного и практичного. Теория о поиске вечного двигателя или еще какого-нибудь идеального предмета.

Наверное, не самая лучшая работа про BigData, но одна из немногих книг, которую хочется дать почитать друзьям-программистам или купить в подарок. Не учебник, а-ля Питер или Орейли, а скорее раздутое журналистское расследование и научпоп в одном флаконе. Must-have для интересующихся темой.

В последнее время жизнь все чаще и чаще подбрасывает задачи, решения которых предполагает использование машинного обучения (МО). Увы, к данной теме весьма сложно подступиться, поскольку в виду своей обширности и многогранности она очень похожа на кроличью нору – без начала и без конца. В подходе к таким «снарядам», обычно не остается ничего иного, как начать распутывание клубка знаний с первой попавшейся ниточки, а дальше уже своими силами подвергать их уточнению, классификации, обобщению и т.п. Однако, согласитесь, что куда как приятнее перед сражением окинуть взором поле боя целиком с высоты птичьего полета, чтобы сразу понимать всю его географию. Мне повезло.
В отпуск я взял с собой книгу Педро Домингеса «Верховный алгоритм». Она оказалась именно таким высокоуровневым введением в предметную область, с которого комфортно начинать погружение. Автор имеет профильную научную степень, работает на кафедре информатики и инженерии Вашингтонского университета, ведет популярный курс на Coursera, имеет богатый практический опыт. В научно-популярной форме без лишней математики он проводит подробный экскурс по всем значимым школам машинного обучения. В отличие от технической литературы, книга очень живая. Она изобилует историческими зарисовками, личностями, а само накопление знаний рассматривается в динамике со взлетами и падениями разных подходов, их взаимным влиянием и соперничеством. Не останавливаясь на рассмотрении технических аспектов предметной области, Домингес идет гораздо глубже – в ее философские основания. Он в лицах повествует, каким образом современное многообразие форм машинного обучения явилось результатом борьбы приверженцев эмпиризма и рационализма. Рассмотрев сильные стороны и врожденные ограничения каждой из школ, автор подводит нас к мысли, что будущее в их синергии. В кульминационной части книги Домингес демонстрирует свою версию «Верховного алгоритма», полученного путем их скрещивания с символическим названием Alchemy.
  В книге освещаются пять школ. Каждая из них имеет свой ответ на вопрос английского мыслителя Юма «…как в принципе можно оправдать экстраполяцию того, что мы видели, на то, чего мы не видели?» В качестве ответа каждый подход предъявляет свою базовую модель представления знаний и сопутствующие ей методы оценки и оптимизации. Представления – формальный язык, на котором алгоритм машинного обучения выражает свои модели. Формальный язык символистов – логика, частные случаи которой – правила и деревья решений. Для коннекционистов это нейронные сети. Для эволюционистов – генетические программы, включая системы классификации. Для байесовцев – графические модели, общий термин для байесовских и марковских сетей. Для аналогизаторов – частные случаи, возможно, с весами, как в методе опорных векторов.

Переходный период окажется бурным, но благодаря демократии все кончится хорошо. (см. глава 10)Если кратко, то книга понравилась и уже расходится на цитаты используемых при обсуждении ии, бигдаты и машинного обучения…иногда в шутку, а иногда всерьез :)
В книге много фактов из реального мира на которые ссылаются по тексту для примеров, это позволяет погуглить неизвестные факты и расширить знания о вещах которых раньше не знали. Причем факты не очень старые.
Также затрагивается работа многих современных технологических компаний
В книге два основных вектора, которые переплетаются:
1) раскрываются как сами пути по которым шли и идут разработчики машинного обучения
2) области применения в которых применение машинного обучения уже пробовали, используют и планируется использовать
Читается легко, а так как диаграмм мало, то можно порекомендовать купить электронную книгу и загнать в любую «говорилку», чтобы слушать в машине или в транспорте. К сожалению оригинальной аудио книги нет пока.
В конце есть список литературы разбитый по главам книги, те это не просто общий список. К примеру вам хочется раскопать какую-то главу глубже, то именно по нужной главе собрана вся рекомендуемая литература. Этот удобно, но это редкий вид заботы о читателях.
В конце книги вас ждет приглашение от автора принять участие в создании самого «верховного алгоритма».
  "Спасибо, что взяли меня своим проводником. На прощание у меня есть для вас подарок. Ньютон говорил, что чувствует себя мальчишкой, играющим на берегу: он берет то камушек, то ракушку, а перед ним лежит
огромный, неизведанный океан истины. Прошло три столетия, и мы собрали удивительную коллекцию гальки и раковин, но великий неизведанный океан все так же простирается перед нами и играет лучиками надежды. Мой подарок – это лодка машинного обучения, и пришло время поднять паруса."