Uczenie maszynowe. elementy matematyki w analizie danych (Helion)

Na styku matematyki i informatyki Uczenie maszynowe (ML) i nienaturalna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco enigmatyczne, futurystyczne i z reguły wymagające posiadania dość szerokiej wiedzy i umiejętności matematycznych.

Stąd podręczniki akademickie poświęcone nienaturalnej inteligencji i uczeniu maszynowemu z reguły są grube, ciężkie i naszpikowane detalami. Niesprzyjające szybkiej nauce i w rzeczywistości wcale nie takie… podręczne.

Inaczej jest z tą niewielkich rozmiarów książką. Jej autor ukazuje tematy związane z AI i ML z naciskiem na matematykę, tłumaczy jednak wszystko krok po kroku ― tak aby czytelnikom było łatwiej je zrozumieć.

Zagadnienia matematyczne są tu objaśniane o tyle, o ile jest to potrzebne dla opanowania mocnych treści z zakresu uczenia maszynowego. Wyszukasz tu omówienie takich kluczowych zagadnień jak: Wnioskowanie bayesowskie Metoda największej wiarygodności Modele liniowe Zmienne informatywne i entropia informacji Łańcuch Markowa Ocena modelu Powyższy opis pochodzi od wydawcy.