Машинното самообучение вероятно е най-бързо развиващата се област на Изкуствения интелект, тъй като през последните години, особено след появата на Дълбокото обучение, е предложило множество методи с много добри до впечатляващи резултати в почти всички приложения, изискващи интелигентност.

В тази книга систематично се описват трите основни типа обучение: обучение с наблюдение, обучение без наблюдение и обучение с подсилване. За всеки тип обучение се анализират най-важните модели, като невронни мрежи, машини с опорно векторно пространство (SVM), вероятностни Байесови модели, графични модели, стохастични модели като скрития модел на Марков (HMM), рекурсивни модели като LSTM и много други.

Специално за невронните мрежи, които са много важна част от методите на машинното самообучение, се предоставя систематично и аналитично представяне, което започва от простия модел Перцептрон на един неврон и стига до по-сложни модели, като дълбоки невронни мрежи. За всеки модел се предоставя необходимият математически фон за разбиране на функциите му, като са изисквани само основни математически познания по теория на вероятностите и линейна алгебра.

Допълнително се акцентира на алгоритмичната страна на моделите, тъй като повечето от тях се придружават от относителния псевдокод и примери за приложение.

Приложенията на моделите на машинното самообучение са важна част от книгата, тъй като представляват основна мотивация за изучаването и развитието на моделите. Описание се предоставят различни приложения, като разпознаване на образци, обработка на сигнал и изображение, обработка на реч, компресия на информация, разработване на стратегии в игри и т.н.

Авторите: Д-р Константинос Диамандарас е професор в катедрата по Компютърно инженерство и електронни системи на Международния университет в Гърция. Той е активно член на Института на електротехниците на САЩ (IEEE) и има дългогодишен опит в изследванията и преподаването по темата на Машинното самообучение, както в ТЕИ Солун, така и в Международния университет в Гърция.

Д-р Димитрис Ботсис работи в техническо-изследователски офис и е доцент в катедрата по Геодезично инженерство и Геоинформатика на Международния университет в Гърция. В рамките на неговата докторска дисертация се е занимавал с разработване и прилагане на методи за машинно самообучение в хидрологията и симулацията на времеви серии. Той продължава да се занимава с изследвания в областта на машинното самообучение, фокусирайки се върху по-новите методи и по-широк спектър от приложения.