Математика в машинном обучении

Авторы: Марк Питер Дейзенрот, А. Альдо Фейсал, Ченг Сун Онг

Издатель: Helion

Год публикации: 2022

Перевод: Филип Каминьский

ISBN: 978-83-283-8459-0

Формат: 200x228

Переплет: мягкий

Страниц: 416

Книга новая

129,00 злотых ---> 81,27 злотых

Машинное обучение становится повсеместным. Благодаря все более совершенным инструментам разработки приложений разработчики часто упускают из виду технические детали, связанные с расчетами и математическими моделями. Да, это удобный подход, но он сопряжен с риском неосознанности всех последствий выбранных проектных решений, особенно их сильных и слабых сторон. Поэтому без прочного фундамента по математике не может быть профессионального подхода к машинному обучению.

Этот учебник предназначен для людей, которые хотят досконально разобраться в математических основах машинного обучения и получить практический опыт использования математических концепции. Здесь объясняется ряд математических методов, таких как линейная алгебра, аналитическая геометрия, матричное разложение, векторное исчисление, оптимизация, вероятностная теория и статистика. Затем представлены математические аспекты четырех основных методов машинного обучения: линейная регрессия, анализ главных компонентов, смешанные модели гауссовских распределений и машины опорных векторов. В каждой главе приведены примеры и упражнения для облегчения усвоения материала.

В книгу включены:

• основы алгебры: системы уравнений, матрицы, аффинные пространства
• вычисление вероятности, связывание, оптимизация
• вывод с использованием различных типов моделей
• линейная регрессия и уменьшение размерности
• машина опорных векторов и численные решения

Математика: необходима, если вы хотите понять суть искусственного интеллекта!