Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт - Алекс Дж. Гатман

zip code recognition. Neural computation, 1(4), 541–551.

131

См. статью “From not working to neural networking” на странице: https://www.economist.com/news/special-report/21700756-artificial-intelligence-boom-based-old-idea-modern-twist-not

132

Изображение взято из статьи lilianweng.github.io/lil-log/2017/06/21/an-overview-of-deep-learning.html и вдохновлено изображением из книги Ng, A. (2019). Machine learning yearning: Technical strategy for ai engineers in the era of deep learning. Доступ получен через сайт mlyearning.org.

133

Автоматическое распознавание рукописных цифр – это настоящий обряд посвящения для тех, кто стремится освоить методы глубокого обучения. Янн ЛеКун решил эту задачу в 1989 году. Сегодня этот процесс можно реализовать на ноутбуке. База данных рукописных цифр доступна по адресу: yann.lecun.com/exdb/mnist.

134

Каждый из 1000 нейронов в скрытом слое представлял бы собой взвешенную сумму 30 миллионов входных значений.

135

Существует несколько типов рекуррентных нейронных сетей. Самая популярная из них называется сетью с долгой кратковременной памятью (LSTM, Long short-term memory).

136

www.blog.google/products/gmail/subject-write-emails-faster-smart-compose-gmail

137

deeplearning.ai/the-batch/issue-62

138

Многие практики используют для трансферного обучения модели, обученные на базе данных ImageNet (https://ru.wikipedia.org/wiki/ImageNet).

139

medium.com/hackernoon/you-are-building-a-self-driving-ai-without-even-knowing-about-it-62fadbfa5fdf

140

https://ru.wikipedia.org/wiki/Систематическая_ошибка_выжившего

141

Galton, F. (1886). Regression towards mediocrity in hereditary stature. The Journal of the Anthropological Institute of Great Britain and Ireland, 15, 246–263.

142

https://ru.wikipedia.org/wiki/Проклятье_Madden

143

Этот пример был впервые использован в работе: Julious, S. A., & Mullee, M. A. (1994). Confounding and Simpson’s paradox. Bmj, 309(6967), 1480–1481. Мы обнаружили его в отличной книге: Reinhart, A. (2015). Statistics done wrong: The woefully complete guide. No Starch Press.

144

Алгоритмическая предвзятость: https://en.wikipedia.org/wiki/Algorithmic_bias

145

В статье Reuters 2018 года “Amazon scraps secret AI recruiting tool that showed bias against women” говорится о том, что алгоритмы компании занижали баллы тем кандидатам, в чьих резюме содержалось слово «женский» и названия женских колледжей. www.reuters.com/article/us-amazon-com-jobs-automation-insight/amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK08G

146

В этом вам может помочь ресурс Брукингского института: www.brookings.edu/research/algorithmic-bias-detection-and-mitigation-best-practices-and-policies-to-reduce-consumer-harms

147

Это всего лишь пример. Авторы данной книги не занимаются исследованием рака.

148

Цитата из интервью: www.washington.edu/news/2015/09/17/a-q-a-with-pedro-domingos-author-of-the-master-algorithm

149

На создание этого раздела нас вдохновила статья Скотта Беринато «Data Science and the Art of Persuasion» (hbr.org/2019/01/data-science-and-the-art-of-persuasion), основанная на нашем опыте и опыте наших коллег по бизнесу, которые любезно поделились своими историями.

150

Подробнее об этом мнении можно узнать в статье Джеффа Лика “Data science done well looks easy – and that is a big problem for data scientists” на сайте: https://simplystatistics.org/posts/2015-03-17-data-science-done-well-looks-easy-and-that-is-a-big-problem-for-data-scientists/.