Learning to Learn - 9780792380474

Umbes viimase kolme aastakümne jooksul on masinõppe ja andmekaevandamise alased uuringud viinud paljude erinevate algoritmideni, mis õpivad kogemuste põhjal üldisi funktsioone. Kuna masinõpe on küpsemas, on see alustanud edukat üleminekut akadeemiliselt uurimistöölt erinevatele praktilistele rakendustele. Üldiseid tehnikaid, nagu näiteks otsustuspuud ja tehisnärvivõrgud, kasutatakse nüüd mitmesugustes kaubanduslikes ja tööstuslikes rakendustes. See tekst on masinõppe uurimissuund. Sarnaselt traditsioonilistele masinõppe algoritmidele kutsuvad kirjeldatud meetodid esile üldised funktsioonid kogemusest. Raamat uurib aga algoritme, mis võivad muuta üldistusviisi, näiteks harjutada õppimist ennast ja seda täiustada. Õppima õppimise kasulikkuse illustreerimiseks tasub masinõpet võrrelda inimõppega. Inimesed puutuvad kokku pideva õppeülesannete vooga. Nad ei õpi ainult mõisteid ega motoorseid oskusi, vaid õpivad ka eelarvamusi, tähendust, õpivad üldistama. Seetõttu suudavad inimesed sageli väga väheste näidete põhjal õigesti üldistada – sageli piisab vaid ühest näitest, et õpetada meile uut asja. Arvutiprogrammide sügavamal mõistmisel, mis parandab nende õppimisvõimet, võib olla suur praktiline mõju masinõppe valdkonnale ja kaugemalegi. Viimastel aastatel on valdkond teinud märkimisväärseid edusamme õppimise õppimise teooria suunas koos uute praktiliste algoritmidega, millest mõned on toonud muljetavaldavaid tulemusi reaalsetes rakendustes. Raamatu eesmärk on uurida õppimist võimaldavate arvutiprogrammide kasulikkust ja teostatavust nii praktilisest kui teoreetilisest vaatenurgast.