简介

精彩点评

• 

  今日之我

  推荐

  如果终极算法出现了，那么大一统公式是不是也能被发现？或者大一统公式被发现，终极算法才会出现？

• 

  郭旻

  推荐

  从贝叶斯算法的简单累计到现在的大数据分析，机器学习的进步真是一日千里。虽然不是很懂，也大概知道了意思。

• 

  欢乐马

  推荐

  这本书好多口水话，但是总的来说我又一次认识了贝叶斯模型，原本对人工智能很多原理模糊、不明白它的运行机制，现在多了一点认识了。

• 

  韩攀

  推荐

  整本书大致介绍了机器学习比较流行的几个流派，从中你可以发现大量熟悉的定义，内容涵盖广泛，例子形象生动。但总体来说，不知道是作者写作原因还是译者翻译的原因，整本书在我个人看来，还是有很多地方过于混乱，不易理解。所以我只给了三颗星。

• 

  straw

  推荐

  非常好的一本介绍机器学习的好书！论述详细，比喻恰当，如果能在通俗一点就更好了。

• 

  成维忠david

  推荐

  相比上一本我读的库兹韦尔的《人工智能的未来》，这本佩德罗.多明戈斯的《终结算法》，写得不通透，中文翻译也差多了，各种错误和不通顺，但对了解人工智能5大流派和背后的算法，仍然是一本好书。多明戈斯在本书结尾，还提到平行世界和数字替身问题，随着人工智能的发展，在网络世界里，正在形成我们的“替身”，他在替我们跟网络世界的其他“人”和“机构打交道”，这很有意思，也不以人的意志为转移，已经日益成为现实。

• 

  Shuran Yang

  推荐

  这本书知识点多信息量大，对统计、数学、编程任一方面有一定的了解看起来舒适度更高一些，纯小白看最好手动google知识点 不然看到后面会有点累。

• 

  瞎猫

  推荐

  让我惊艳的一本书，作者旁征博引，运用大量生动有趣的类比，融会贯通，把大量错综复杂的人工智能算法解释得通俗易懂，获益匪浅！

• 

  泽塔

  推荐

  不应该狂妄自大认为自己能看懂算法（即使是科普深度的）书籍[捂脸] 对专业人士应该还是比较前沿和有趣的小品文。 打3星是因为翻译和校对感觉都不够好，影响外行对本来就专业晦涩的内容的理解。

• 

  裴来辉

  推荐

  算法帮助我们更好的理解复杂事物和系统，经验算法化，算法集成化。本质上算法我们抽象出来的理解事物的工具和公式，抽丝剥茧，层层分解到底层本质问题，成了计算机可以判断的的0和1。

• 

  paul

  推荐

  关于机器学习和人工智能的科普，入门级的介绍了各种终极算法，梳理了各学派特征，想要系统化专业研究，还需要沿着作者指引的方向深入探索。如贝叶斯算法。贝叶斯网络最激动人心的应用，就是模拟基因如何相互作用管控细胞。智能化的应用场景很多，语音识别，图像识别，无人驾驶等。运用高等数学线性代数概率论工具，神经网络，深度学习，机器学习，数据分析。我一直认为，能把复杂的事情用通俗易懂的话说清楚，就是真正的懂了。比如说，机器学习是维数约简，图像像素描述为隐性特征（面部表情特征）。数据分析就是折磨数据，直至数据妥协。神经网络基于生物学神经突触移植到计算机实现智能化。然而，科学研究是严谨的学术术语推理，海量数据处理分析的结果。所以，如何真正进入机器学习和人工智能领域，潜心对比机器学习五大流派的优势，打破终极算法问到底，才是我的此时困惑和最深渴望。让机器人学会编程，让机器人自主学习，通过海量图片数据训练模型，实现数据可视化和数据整形，数据集测试集分割，交叉验证，建立分类模型，基于监督学习和无监督学习，强度学习，支持向量机参数调优，分类回归，获取样例数据集。对未知的世界充满好奇，探索世界的奥秘满心向往，理解世界运行规律的欢喜和期待自我提升改变世界。机器学习和人工智能会给我答案，终极算法如此改变世界。

• 

  心徒

  推荐

  高级科普类读书，本书围绕机器学习方法的发展提出了5大学派: 符号学派、联结学派、 贝叶斯学派、进化学派和类推学派。其分别对应的主算法如下: 1.符号学派的主算法——逆向演绎，假定新的逻辑规则，用于作为数据与预期结论之间的步骤。 2.联结学派的主算法——反向传播，他们利用它来弄清楚哪个神经元负责哪些误差，并根据它们的权值来进行调整。 3.进化学派的主算法——遗传编程，应用交叉和突变于计算机程序上，以子集树的形式表示出来。 4.贝叶斯学派的主算法——概率推理，其相信模拟不确定性是学习的关键，并利用形式表示方法如贝叶斯网络和马尔科夫网络来工作。 5.类推学派的主算法——支持向量机，假设有已知相似属性的实体，也会有相似的未知属性：例如，拥有相似症状的病人也会有相似的诊断，过去喜欢买某类书的读者可能未来还会买同样的书等。 另外，作者也坚信: 机器最终不会控制人类，也无法永远代替人类。机器能帮助人类从繁杂琐碎的低智力活动中解放出来，但它们永远不能代替人类去思考，所以我们还需要积极拥抱机器学习，拥抱人工智能。 终人工智能，人工智能，没有人工哪里会有智能？！终极算法的最终实现，不是靠某一个人或某几个人实现，而必须靠所有人的共同努力。所以，我们应该开放内心，打消“机器必将统治人类”的顾虑，去积极、主动、乐观地拥抱智能技术！

• 

  小狐濡尾

  推荐

  这本书对于人工智能，人家很深刻的评价，包括了几种算法，以及如何通过算法来实现所需要达到的目的，包括人称只能在各个交叉叉学

• 

  zhangyue

  推荐

  专业性比较强，算法看不懂。机器学习的最终启源竟是来自哲学理论

• 

  郑宇恒

  推荐

  大道至简，机器学习中是否有一个通用算法只需要喂养数据，就可以实现所有知识的复现，如同人类的大脑。 符号学派相信所有和智力相关的工作都可以归结为对符号的操纵，相信逻辑推理是通往知识的唯一路径。构想通过逻辑规则来定义概念从而实现终极算法。 联结学派研究大脑沟通，模仿大脑思维方式，不局限于形式推理。存在叠加自动编码器与卷积神经网络两种深度学习算法。 进化学派利用遗传算法，通过输入一个适应度函数来给程序打分，促进程序进化。 贝叶斯学派，通往最优学习的路径，当你收到一个新的论据，它将会改变你对某个假设的信任度（概率改变）。直到最后某个假设的模型脱颖而出。 类推学派，像什么就是什么。在已经发现的相似点的基础上，如何推导出新的东西。