Шай Шалев-Шварц – Идеи машинного обучения

Name: Шай Шалев-Шварц - Идеи машинного обучения
SKU: 81559
Price: 1490 RUB
Availability: InStock

1.490 ₽

Автор: Шай Шалев-Шварц
Название: Идеи машинного обучения
Формат: PDF
Тема: IT
Количество страниц: 437
Качество: Компьютерное, издательское

Машинное обучение – один из самых быстро развивающихся разделов инфор-
матики с приложениями в самых разных областях. Цель этой книги – познакомить
читателя с фундаментальными принципами машинного обучения и характерными
для него алгоритмическими парадигмами. Книга содержит обширный свод осново-
полагающих теоретических идей машинного обучения и математические выклад-
ки, благодаря которым эти идеи становятся практическими алгоритмами. Вслед за
изложением базовых основ дисциплины рассматривается широкий спектр тем, не
нашедших достаточного отражения в предшествующих учебниках: вычислитель-
ная сложность обучения, понятия выпуклости и устойчивости, важные алгоритмы,
включая стохастический градиентный спуск, нейронные сети и обучение структури-
рованному выводу, а также совсем недавние теоретические концепции, например,
PAC-байесовский подход и границы сжатия.
Издание ориентировано на студентов старших курсов, обучающихся информатике,
техническим наукам, математике или статистике, а также может быть полезно ис-
следователям, желающим углубить свои теоретические знания. Предполагается, что
читатель знаком с основами теории вероятностей, линейной алгебры, математиче-
ского анализа и теории алгоритмов

Категории: Электронные книги, Веб-дизайн и программирование

Описание
Отзывы (0)

Описание

Книга Шая Шалев-Шварца «Идеи машинного обучения» — это понятное введение в ключевые концепции современного ИИ без сложной математики. Автор объясняет, как работают алгоритмы машинного обучения, почему они принимают те или иные решения и какие фундаментальные идеи лежат в основе нейросетей, которые сегодня используются повсеместно.

В книге последовательно раскрываются основные парадигмы: обучение с учителем и без учителя, обобщение, регуляризация, переобучение, bias-variance tradeoff, PAC-обучение и глубокое обучение. Шалев-Шварц показывает, как превращать реальные задачи в математические модели и избегать типичных ошибок при построении систем искусственного интеллекта.

Программистам и разработчикам, которые хотят глубже понять, как устроено машинное обучение
Студентам технических специальностей, изучающим ИИ и data science
Аналитикам данных и специалистам, применяющим ML-модели в работе
Всем, кто хочет осознанно использовать инструменты искусственного интеллекта