کتاب هوش مصنوعی و یادگیری ماشین با PyTorch برای برنامه نویسان

کتاب هوش مصنوعی و یادگیری ماشین با PyTorch برای برنامه‌نویسان (راهنمای برنامه‌نویسان برای هوش مصنوعی مولد و یادگیری ماشین) نوشته لارنس مورونی، مسیر ورود از کدنویسی به ساخت مدل‌های یادگیرنده را معرفی می‌کند. نویسنده آموزش را از یک شبکه‌ی عصبی با تنها یک نورون آغاز کرده است و سپس به تشخیص تصویر، پردازش متن و مدل‌های مولد می‌رسد. مهدی اسماعیلی و قاسم آذری آرانی مترجمان این کتاب هستند و انتشارات آتی نگر این کتاب را منتشر کرده است. محور اصلی مطالب، یادگیری مفاهیم از طریق پیاده‌سازی است، نه شروع با محاسبات پیچیده‌ی ریاضی. نسخه‌ی الکترونیکی این اثر را می‌توانید از طاقچه خرید و دانلود کنید.

درباره کتاب هوش مصنوعی و یادگیری ماشین با PyTorch برای برنامه نویسان

کتاب هوش مصنوعی و یادگیری ماشین با PyTorch برای برنامه‌نویسان، آموزش یادگیری ماشین را از مسئله‌ای آشنا برای توسعه‌دهندگان آغاز می‌کند: برنامه‌نویس وقتی نمی‌تواند قواعد یک مسئله را به‌روشنی بنویسد، چگونه باید نرم‌افزار بسازد؟ لارنس مورونی تفاوت میان اجرای قواعد ازپیش‌تعیین‌شده و استخراج الگو از داده‌ها را مبنای توضیحات قرار داده است. نویسنده کدنویسی را نقطه‌ی شروع آموزش می‌داند و مفاهیم نظری را در ارتباط با اجزای برنامه توضیح می‌دهد. نمونه‌ی ابتدایی، شبکه‌ای کوچک برای آموختن رابطه‌ی میان دو مجموعه عدد است. همین نمونه نقش لایه، تنسور، تابع زیان، بهینه‌ساز و حلقه‌ی آموزش را روشن می‌کند. متن صرفاً معرفی دستورهای یک کتابخانه نیست؛ توضیحات نشان می‌دهند داده چگونه وارد شبکه می‌شود، خطای پیش‌بینی چگونه سنجیده می‌شود و پارامترها چگونه تغییر می‌کنند. موضوعاتی مانند بیش‌برازش، توقف زودرس، اعتبارسنجی و مدیریت داده‌ها نیز جایگاه مشخصی در آموزش دارند.
کتاب هوش مصنوعی و یادگیری ماشین با PyTorch برای برنامه‌نویسان شامل ۲۰ فصل در دو بخش اصلی است. بخش نخست، فصل‌های یک تا ۱۱ را در بر می‌گیرد و ساخت مدل‌ها را در حوزه‌های مختلف بررسی می‌کند. عنوان‌هایی مانند مقدمه‌ای بر پردازش زبان طبیعی، استفاده از یادگیری ماشین برای تولید متن و توالی‌ها و سری‌های زمانی، گستره‌ی این بخش را نشان می‌دهند. مثال‌ها از طبقه‌بندی تصاویر تا تحلیل احساسات و پیش‌بینی داده‌های متوالی پیش می‌روند. بخش دوم، فصل‌های ۱۲ تا ۲۰ را شامل می‌شود و موضوع استفاده از مدل‌ها، استنتاج، مدل‌های آماده و هوش مصنوعی مولد را دنبال می‌کند. ترنسفورمرها، تنظیم مدل‌های زبانی با داده‌های سفارشی و تنظیم مدل‌های مولد تصویر از موضوعات این بخش هستند. نویسنده بیشتر فصل‌ها را مستقل معرفی کرده است؛ بنابراین مطالعه می‌تواند پیوسته یا متناسب با موضوع موردنیاز انجام شود. تأکید بر ساخت مدل و استفاده از مدل آموزش‌دیده، تفاوت میان یادگیری پارامترها و به‌کارگیری نتیجه‌ی آموزش را نیز روشن نگه می‌دارد.

خلاصه کتاب هوش مصنوعی و یادگیری ماشین با PyTorch برای برنامه نویسان

کتاب هوش مصنوعی و یادگیری ماشین با PyTorch برای برنامه‌نویسان بر این ایده استوار است که توسعه‌دهنده همیشه نباید قواعد مسئله را خودش استخراج کند؛ داده‌های نمونه و برچسب‌ها می‌توانند مبنای آموختن این قواعد باشند. آموزش اولیه نشان می‌دهد شبکه چگونه پیش‌بینی می‌کند، تابع زیان چگونه فاصله‌ی پیش‌بینی از پاسخ صحیح را می‌سنجد و بهینه‌ساز چگونه پارامترها را اصلاح می‌کند. مطالب سپس به آماده‌سازی تصویر و متن، نمایش عددی کلمات، تولید توالی و پیش‌بینی سری‌های زمانی گسترش پیدا می‌کنند. بخش مربوط به استفاده از مدل‌ها، انتخاب میان ساخت مدل از ابتدا، بهره‌گیری از مدل آماده و یادگیری انتقالی را مطرح کرده است. مدل‌های زبانی بزرگ و تولید تصویر نیز در ادامه‌ی همین مسیر قرار می‌گیرند: سازگارکردن قابلیت‌های مدل با داده‌ها و نیاز یک کاربرد مشخص.

چرا باید کتاب هوش مصنوعی و یادگیری ماشین با PyTorch برای برنامه نویسان را بخوانیم؟

دلایل خواندن کتاب هوش مصنوعی و یادگیری ماشین با PyTorch برای برنامه‌نویسان عبارت‌اند از:

• توضیح اجزای حلقه‌ی آموزش در کنار کد، ارتباط میان محاسبه‌ی خطا و اصلاح پارامترها را روشن می‌کند.
• نمونه‌های تصویری، متنی و زمانی، تفاوت نیازهای داده‌ای هر مسئله را نشان می‌دهند.
• مباحث استنتاج و سفارشی‌سازی، فاصله‌ی میان آموزش مدل و استفاده از مدل در برنامه را پوشش می‌دهند.

خواندن این کتاب را به چه کسانی پیشنهاد می‌کنیم؟

خواندن این کتاب به گروه‌های زیر پیشنهاد می‌شود:

• برنامه‌نویسانی که می‌خواهند یادگیری ماشین را از مسیر کدنویسی آغاز کنند.
• علاقه‌مندان به ساخت مدل برای تصویر، متن و سری‌های زمانی.
• توسعه‌دهندگانی که به استفاده از مدل‌های آماده و سفارشی‌سازی مدل‌های مولد نیاز دارند.