Apprendimento Automatico: Prospettive di Ricerca, Recenti Progressi e Direzioni Future - Softcover

Inhaltsangabe

Questo libro è una tabella di marcia orientata alla ricerca attraverso il moderno apprendimento automatico, strutturata attraverso tre prospettive: Prospettive di Ricerca, Recenti Progressi e Direzioni Future. La Parte I stabilisce metodologie rigorose, IA centrata sui dati (apprendimento attivo, supervisione debole, mitigazione del bias) e valutazione critica oltre le singole metriche. La Parte II esamina le architetture neurali (dai Transformer ai modelli di spazio di stato), l'ottimizzazione (SAM, doppia discesa), la modellazione generativa (unificazione della diffusione), l'apprendimento profondo geometrico e l'apprendimento auto-supervisionato/multimodale. La Parte III copre i modelli fondativi - leggi di scala, abilità emergenti (apprendimento nel contesto, catena di pensiero), frontiere dell'IA generativa (allucinazione, generazione controllabile) e approcci neuro-simbolici (RAG, uso di strumenti). La Parte IV affronta le grandi sfide: apprendimento automatico efficiente/sostenibile, apprendimento continuo/meta-apprendimento, interpretabilità/robustezza/allineamento (RLHF, rappresentazione causale) e percorsi verso l'AGI con impatto sociale. Ogni capitolo include domande aperte e checklist pratiche di ricerca, con l'obiettivo di trasformare i lettori da consumatori a contributori.

Die Inhaltsangabe kann sich auf eine andere Ausgabe dieses Titels beziehen.