Шай Шалев-Шварц – Идеи машинного обучения
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
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
Только зарегистрированные клиенты, купившие данный товар, могут публиковать отзывы.
Похожие
Другие книги раздела «Веб-дизайн и программирование»
- John Zelle – Python Programming (2017)
- Soonhoi Ha – Handbook of Hardware Software Codesign (2017)
- С. Ржевский – Математическое программирование (2022)
- Giuseppe Ciaburro – Neural Networks with R
- Igor Livshin – Artificial Neural Networks with Java (Second edition)
- Leonardo De Marchi – Hands-On Neural Networks
- Maxime Labonne – Hands-On Graph Neural Networks Using Python
- 80 Ways to use ChatGPT in the classroom
- Андреас Мюллер – Введение в машинное обучение с помощью Python
- Андрей Бурков – Инженерия машинного обучения. Машинное обучение без лишних слов
- Анирад Коул – Искусственный интеллект и компьютерное зрение
- Бенджамин Бенгфорт – Прикладной анализ текстовых данных на Python
- Глубокое обучение в биологии и медицине
- Паттерны проектирования API
- Python для сложных задач
- Глубокое обучение с Fastai и PyTorch
Рекомендуем также
- S. Paul – Clinical Cases in Skin Cancer Surgery and Treatment (2016)
- Y. Sakai – Laparoscopic Surgery for Colorectal Cancer (2016)
- V. Stearns – Novel Biomarkers in the Continuum of Breast Cancer (2016)
- A. Mathur – Nanotechnology in Cancer (2017)
- P. Rennert – Novel Immunotherapeutic Approaches to the Treatment of Cancer
- M. Baranska – Optical Spectroscopy and Computational Methods in Biology and Medicine (2014)
- A. Bondanza – Tumor Immunology (2016)
- H. Seligmann – DNA Replication. Current Advances (2016)
Отзывы
Отзывов пока нет.