Pedro Domingos wykłada informatykę na University of Washington w Seattle. Jest autorem i współautorem licznych publikacji dotyczących uczenia maszynowego i eksploracji danych. Od lat cieszy się uznaniem w branży: jest laureatem wielu nagród i wyróżnień, w tym nagrody SIGKDD Innovation Award — jednego z najważniejszych wyróżnień na polu analityki danych. Jest członkiem Stowarzyszenia Rozwoju Sztucznej Inteligencji. Mieszka w Seattle.
Świetna książka. Autor dobrze wyważył wiedzę naukową na temat algorytmów nauczania maszynowego z ciekawostkami, historią i przypuszczeniami jak będzie wyglądać przyszłość za kilka, kilkanaście lat. Naprawdę dużo się można z tej książki dowiedzieć i polecam przeczytać ją każdemu. Ponieważ nauczanie maszynowe to przyszłość, co ja mówię to już teraźniejszość tylko większość o tym nie wie.
Przegląd najważniejszych typów algorytmów uczących się, stosowanych w systemach sztucznej inteligencji. Tylko dla wyrafinowanych znawców tematu. Osoby bez doktoratu z maszynowego uczenia zrozumieją niewiele. Laikom ta książka nie przyda się na nic - nie rozjaśni mroków ich niewiedzy.
W trakcie czytania zauważyłem, że tłumacz popełnił błąd przy przekładzie takiego wyrażenia:
"integracja jest odwrotnością różnicowania".
Prawidłowo według polskiej terminologii matematycznej powinno być:
"całkowanie jest odwrotnością obliczania pochodnej".