Uczenie maszynowe staje się wszechobecne. Dzięki coraz udoskonalonym narzędziom służącym do tworzenia aplikacji detale technologiczne związane z obliczeniami i modelami matematycznymi są niejednokrotnie pomijane przez projektantów.
Owszem, to wygodne podejście,zespaja się z ryzykiem braku świadomości co do wszelkich konsekwencji wybranych rozwiązań projektowych, wyjątkowo ich potężnych i słabych stron. A zatem bez ugruntowanych podstaw matematyki nie można mówić o mistrzowskim podejściu do uczenia maszynowego.
Ten podręcznik jest dedykowany dla osób, które chcą poprawnie zrozumieć matematyczne podstawy uczenia maszynowego i nabrać użytecznego doświadczenia w wykorzystywaniu pojęć matematycznych. Wyjaśniono tutaj używanie 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 sprzętów wektorów nośnych.
W każdym rozdziale znalazły się przykłady i ćwiczenia upraszczające przyswojenie materiału. W książce między innymi: podstawy algebry: układy równań, macierze, przestrzenie afiniczne rachunek prawdopodobieństwa, sprzężenia, optymalizacja wnioskowanie z zastosowaniem najróżniejszego typu modeli regresja liniowa i redukcja rozmiarowości maszyna wektorów nośnych i rozwiązania numeryczne Matematyka: potrzebnie, jeśli chcesz zrozumieć istotę sztucznej inteligencji.
Powyższy opis pochodzi od wydawcy.
Opinie i recenzje użytkowników
Dodaj opinie lub recenzję dla Matematyka w uczeniu maszynowym. Twój komentarz zostanie wyświetlony po moderacji.