Книга: Уатт Дж. "Машинное обучение: основы, алгоритмы и практика применения"

В книге представлены фундаментальные знания и практические инструменты в области машинного обучения, в том числе более 100 углубленных упражнений на языке Python.

Представлены фундаментальные знания и практические инструменты в области машинного обучения, в том числе более 100 углубленных упражнений на языке Python.
Дано введение в машинное обучение и математическую оптимизацию, включая методы первого и второго порядков, градиентного спуска и Ньютона.
Приведено полное описание обучения с учителем, включая линейную регрессию, двухклассовую и многоклассовую классификацию, а также обучение без учителя и  фундаментальные методы генерации признаков.
Дано введение в нелинейное обучение с учителем и без.
Обсуждается тема автоматизированного отбора подходящих нелинейных моделей, включая перекрестную валидацию, бустирование, регуляризацию и ансамблирование.
Рассмотрены фиксированно-контурные ядра, нейронные сети, деревья и другие  универсальные аппроксиматоры.
Отдельно дана полная трактовка продвинутых методов оптимизации.
Электронный архив на сайте издательства содержит коды всех примеров и более 300 цветных иллюстраций.

Ключевые особенности

  • Интуитивно понятные объяснения
  • Доступный подход к современным методам численной оптимизации
  • Комплексное введение в логистическую регрессию и машины опорных векторов
  • Представление сложных тем через призму аппроксимации функций
  • Уточненное описание глубоких нейронных сетей и методов ядра
  • Приведено более 100 углубленных упражнений на языке Python.
  • Дано введение в машинное обучение и математическую оптимизацию, включая методы первого и второго порядков, градиентного спуска и Ньютона.
  • Отдельно рассмотрены продвинутые методы оптимизации.
  • Приведено полное описание обучения с учителем, включая линейную регрессию, двухклассовую и многоклассовую классификацию, а также обучение без учителя и  фундаментальные методы генерации признаков
  • Дано введение в нелинейное обучение с учителем и без.
  • Обсуждается тема автоматизированного отбора подходящих нелинейных моделей, включая перекрестную валидацию, бустирование, регуляризацию и ансамблирование.
  • Рассмотрены фиксированно-контурные ядра, нейронные сети, деревья и другие  универсальные аппроксиматоры.

Благодаря интуитивно понятному, но строгому подходу к машинному обучению эта книга предоставляет фундаментальные знания и практические инструменты, необходимые для проведения исследований и разработки систем машинного обучения.

Тема: Машинное обучение
Год: 2022
Страниц: 640
Вес: 472 г.
Обложка: Мягкая обложка
Формат: 165 x 233 мм
Печать: Черно-белая
ISBN: 978-5-9775-6763-3
Ссылки:

Ссылка на фрагмент

 

 

 

 

 

Метка Новинка
Формат 165 x 233 мм
Переплет/обложка мягкая обложка
Год издания 2022
ISBN 978-5-9775-6763-3
Количество страниц в книге 640
Перед публикацией отзывы проходят модерацию