机器学习问答与人工智能进阶一书

如有任何关于本书的问题，请使用讨论区！

如果你已经掌握了机器学习和人工智能的基础知识，并希望以有趣的方式填补剩余的知识空白，那么这本书非常适合你。这个快速系列的短章节涵盖了该领域30个重要问题，帮助你了解最新的技术，以便在自己的工作中实施。

《机器学习问答与人工智能》的每一章都会提出并回答一个核心问题，配有图表解释新概念，并提供大量参考资料供进一步阅读

本书是在Leanpub上发布的<a href="https://leanpub.com/machine-learning-q-and-ai">《机器学习问答与人工智能》</a>的全面编辑和修订版。

"很难找到比Sebastian更好的向导，毫不夸张地说，他是当前该领域最优秀的机器学习教育者。在每一页中，Sebastian不仅传授了他广博的知识，还分享了体现真正专业水平的热情和好奇心。" -- Chris Albon，维基媒体基金会机器学习总监

标题	URL链接	补充代码
1	嵌入、表示和潜在空间
2	自监督学习
3	少样本学习
4	彩票假说
5	通过数据减少过拟合
6	通过模型修改减少过拟合
7	多GPU训练范式
8	Transformer成功的关键
9	生成式人工智能模型
10	随机性来源	数据采样.ipynb <br> dropout.ipynb <br> 随机权重.ipynb
	第二部分：计算机视觉
11	计算参数数量	卷积大小.ipynb
12	全连接层和卷积层的等价性	全连接-CNN等价性.ipynb
13	视觉Transformer的大型训练集
	第三部分：自然语言处理
14	分布式假说
15	文本数据增强	回译.ipynb <br> 噪声注入.ipynb <br> 句子顺序打乱.ipynb <br> 同义词替换.ipynb <br> 合成数据.ipynb <br> 单词删除.ipynb <br> 单词位置交换.ipynb
16	"自"注意力
17	编码器和解码器风格的Transformer
18	使用和微调预训练Transformer
19	评估生成式大语言模型	BERTScore.ipynb <br> BLEU.ipynb <br> 困惑度.ipynb <br> ROUGE.ipynb
	第四部分：生产和部署
20	无状态和有状态训练
21	以数据为中心的人工智能
22	加速推理
23	数据分布偏移
	第五部分：预测性能和模型评估
24	泊松回归和有序回归
25	置信区间	四种方法.ipynb <br> 四种方法与真实值对比.ipynb
26	置信区间与共形预测的比较	共形预测.ipynb
27	适当的评估指标
28	K折交叉验证中的K
29	训练集和测试集的不一致性
30	有限标记数据