Математика в машинном обучении
Войдите в учётную запись, чтобы мы могли сообщить вам об ответе
Фундаментальные математические дисциплины, необходимые для понимания машинного обучения, - это линейная алгебра, аналитическая геометрия, векторный анализ, оптимизация, теория вероятностей и статистика. Традиционно все эти темы размазаны по различным курсам, поэтому студентам, изучающим data science или computer science, а также профессионалам в МО, сложно выстроить знания в единую концепцию.
Эта книга самодостаточна: читатель знакомится с базовыми математическими концепциями, а затем переходит к четырем основным методам МО: линейной регрессии, методу главных компонент, гауссову моделированию и методу опорных векторов.
Тем, кто только начинает изучать математику, такой подход поможет развить интуицию и получить практический опыт в применении математических знаний,
а для читателей с базовым математическим образованием книга послужит отправной точкой для более продвинутого знакомства с машинным обучением.
Эта книга самодостаточна: читатель знакомится с базовыми математическими концепциями, а затем переходит к четырем основным методам МО: линейной регрессии, методу главных компонент, гауссову моделированию и методу опорных векторов.
Тем, кто только начинает изучать математику, такой подход поможет развить интуицию и получить практический опыт в применении математических знаний,
а для читателей с базовым математическим образованием книга послужит отправной точкой для более продвинутого знакомства с машинным обучением.
Автор:
Автор:Дайзенрот Марк Питер
Переплет:
Переплет:мягкий
Категория:
- Категория:Компьютерные технологии
- Категория:Наука и математика
Размеры:
Размеры:23.5x16.5x2.7 см
Серия:
Серия:Для профессионалов
ISBN:
ISBN:978-5-4461-1788-8
Отзывы не найдены