Matematyka w uczeniu maszynowym

Uczenie maszynowe staje się wszechobecne. Dzięki coraz lepszym narzędziom służącym do tworzenia aplikacji szczegóły techniczne związane z obliczeniami i modelami matematycznymi są często pomijane przez projektantów. Owszem, to wygodne podejście, ale wiąże się z ryzykiem braku świadomości co do wszystkich konsekwencji wybranych rozwiązań projektowych, szczególnie ich mocnych i słabych stron. A zatem bez ugruntowanych podstaw matematyki nie można mówić o profesjonalnym podejściu do uczenia maszynowego.

Ten podręcznik jest przeznaczony dla osób, które chcą dobrze zrozumieć matematyczne podstawy uczenia maszynowego i nabrać praktycznego doświadczenia w używaniu pojęć matematycznych. Wyjaśniono tutaj stosowanie szeregu technik matematycznych, takich jak algebra liniowa, geometria analityczna, rozkłady macierzy, rachunek wektorowy, optymalizacja, probabilistyka i statystyka. Następnie zaprezentowano matematyczne aspekty czterech podstawowych metod uczenia maszynowego: regresji liniowej, analizy głównych składowych, modeli mieszanin rozkładów Gaussa i maszyn wektorów nośnych. W każdym rozdziale znalazły się przykłady i ćwiczenia ułatwiające przyswojenie materiału.

W książce między innymi:

podstawy algebry: układy równań, macierze, przestrzenie afiniczne

rachunek prawdopodobieństwa, sprzężenia, optymalizacja

wnioskowanie z wykorzystaniem różnego rodzaju modeli

regresja liniowa i redukcja wymiarowości

maszyna wektorów nośnych i rozwiązania numeryczne

Matematyka: koniecznie, jeśli chcesz zrozumieć istotę sztucznej inteligencji!

• Autorzy: Cheng Soon Ong, A. Aldo Faisal, Marc Peter Deisenroth
• Wydawnictwo Helion
• Oprawa: Miękka
• Rok wydania: 2022
• Ilość stron: 416
• Stan: nowy, pełnowartościowy produkt
• Model: 9788328384590
• Język: polski
• Oryginalny tytuł: Mathematics for Machine Learning
• Tłumacz: Kamiński Filip
• Nr wydania: 1
• ISBN: 9788328384590
• EAN: 9788328384590
• Wymiary: 20.0x22.8x2.8 cm