终极算法-行业好书-社会科学-太极之巅书单号

书刊介绍

内容简介

佩德罗•多明戈斯（Pedro Domingos）

•美国华盛顿大学计算机科学教授，加州大学欧文分校信息与计算机科学博士，在机器学习与数据挖掘方面著有200多部专业著作和数百篇论文。

•国际机器学习学会联合创始人，《机器学习》杂志编委会成员，JAIR前副主编。

•美国人工智能协会院士（AAAI Fellow，国际人工智能界的最高荣誉），荣获SIGKDD创新大奖（数据科学领域的最高奖项）、斯隆奖（Sloan Fellowship）、美国国家科学基金会成就奖（NSF CAREER Award）、富布赖特奖学金、IBM学院奖以及多个顶级论文奖项。

作品目录

推荐序
序
第一章机器学习革命
学习算法入门
为何商业拥护机器学习
给科学方法增压
10 亿个比尔•克林顿
学习算法与国家安全
我们将走向何方
第二章终极算法
来自神经科学的论证
来自进化论的论证
来自物理学的论证
来自统计学的论证
来自计算机科学的论证
机器学习算法与知识工程师
天鹅咬了机器人
终极算法是狐狸，还是刺猬
我们正面临什么危机
新的万有理论
未达标准的终极算法候选项
机器学习的五大学派
第三章符号学派：休谟的归纳问题
约不约
“天下没有免费的午餐”定理
对知识泵进行预设
如何征服世界
在无知与幻觉之间
你能信任的准确度
归纳是逆向的演绎
掌握治愈癌症的方法
20 问游戏
符号学派
第四章联结学派：大脑如何学习
感知器的兴盛与衰亡
物理学家用玻璃制作大脑
世界上最重要的曲线
攀登超空间里的高峰
感知器的复仇
一个完整的细胞模型
大脑的更深处
第五章进化学派：自然的学习算法
达尔文的算法
探索：利用困境
程序的适者生存法则
性有何用
先天与后天
谁学得最快，谁就会赢
第六章贝叶斯学派：在贝叶斯教堂里
统治世界的定理
所有模型都是错的，但有些却有用
从《尤金•奥涅金》到Siri
所有东西都有关联，但不是直接关联
推理问题
掌握贝叶斯学派的方法
马尔可夫权衡证据
逻辑与概率：一对不幸的组合
第七章类推学派：像什么就是什么
完美另一半
维数灾难
空中蛇灾
爬上梯子
起床啦
第八章无师自通
物以类聚，人以群分
发现数据的形状
拥护享乐主义的机器人
熟能生巧
学会关联
第九章解开迷惑
万里挑一
终极算法之城
马尔科夫逻辑网络
从休谟到你的家用机器人
行星尺度机器学习
医生马上来看你
第十章建立在机器学习之上的世界
性、谎言和机器学习
数码镜子
充满模型的社会
分享与否？方式、地点如何？
神经网络抢了我的工作
战争不属于人类
谷歌＋终极算法=天网？
进化的第二部分
后记
致谢
延伸阅读
· · · · · ·

作者简介

佩德罗•多明戈斯（Pedro Domingos）

•美国华盛顿大学计算机科学教授，加州大学欧文分校信息与计算机科学博士，在机器学习与数据挖掘方面著有200多部专业著作和数百篇论文。

•国际机器学习学会联合创始人，《机器学习》杂志编委会成员，JAIR前副主编。

精彩摘录

Privacyisonlyoneaspectofthelargerissueofdatasharing,andifwefocusonittothedetrimentofthewhole,asmuchofthedabatetodatehas,weriskreachingthewrongconclusions....Whenpeoplehavetotradeoffprivacyagainstotherbenefits,aswhenfillingoutaprofileonawebsite,theimpliedvalueofprivacythatcomesoutismuchlowerthanifyouaskthemabstractquestionslike“Doyoucareaboutyourprivacy?”Butprivacydebatesaremoreoftenframedintermsofthelatter.…Privacyisnotazero-sumgame,eventhoughit’softentreatedlikeone.––Toshareornottoshare,andhowandwhere

——引自第263页

IntheearlydaysofAI,thecommonviewwasthatcomputerswouldreplaceblue-collarworkersbeforewhite-collarones,becausewhite-collarworkrequiresmorebrains.Butthat’snotquitehowthingsturnedout.Robotsassemblecars,buttheyhaven’treplacedconstructionworkers.Ontheotherhand,machine-learningalgorithmshavereplacedcreditanalystsanddirectmarketers.…Thecommonthemeisthatnarrowlydefinedtasksareeasilylearnedfromdata,buttasksthatrequireabroadcombinationofskillsandknowledgearen’t.Mostofyourbrainisdevotedtovisionandmotion,whichisasignthatwalkingaroundismuchmorecomplexthanitseems;wejusttakeitforgrantedbecause,havingbeenhonedtoperfectionbyevolution,it’smostlydonesubconsciously.––Aneuralnetworkstole...

——引自第263页