Автор: Стивен Marsland
Издательство: Чепмен и Холл/КПР
Год: 8 октября 2014
Страниц: 457
Язык: английский
Формат: PDF (изначально электронное издание)
ISBN: 1466583282
Аннотация книги на русском
Успешный практический подход для изучения студентами машинного обучения без сильной подготовительной базы в статистике
Когда было опубликовано ставшее очень популярным первое издание этой книги, в области машинного обучения было несколько важных разработок, в том числе растущая работа над статистическими интерпретациями алгоритмов машинного обучения. К сожалению, студенты-информатики без сильной статистической базы часто с трудом начинают работать в этой области.
Устраняя этот недостаток, второе издание книги "Machine Learning: An Algorithmic Perspective" помогает студентам понять алгоритмы машинного обучения. Книга ставит их на путь к овладению соответствующей математикой и статистикой, а также дает необходимые навыки в программировании и экспериментах.
Новое во втором издании
- Две новые главы по бейсовским сетям и гауссовским процессам
- Реорганизация глав для более естественного потока контента
- Пересмотр опорных векторов материала, в том числе простой реализации для экспериментов
- Новый материал о случайных лесах, теорема о конвергенции персептрона, методы точности и оптимизация сопряженного градиента для многослойного персептрона
- Дополнительные обсуждения фильтров Калмана и частиц
- Улучшенный код, включая лучшее использование соглашений об именах в Python
Этот текст подходит как для вводного курса на один семестр, так и для более продвинутых курсов, и настоятельно рекомендует учащимся практиковать с кодом. Каждая глава содержит подробные примеры наряду с указанием дополнительных источников по проблематике. Весь код, используемый для создания примеров, доступен на веб-сайте автора.
Аннотация:
A Proven, Hands-On Approach for Students without a Strong Statistical Foundation
Since the best-selling first edition was published, there have been several prominent developments in the field of machine learning, including the increasing work on the statistical interpretations of machine learning algorithms. Unfortunately, computer science students without a strong statistical background often find it hard to get started in this area.
Remedying this deficiency, Machine Learning: An Algorithmic Perspective, Second Edition helps students understand the algorithms of machine learning. It puts them on a path toward mastering the relevant mathematics and statistics as well as the necessary programming and experimentation.
New to the Second Edition
- Two new chapters on deep belief networks and Gaussian processes
- Reorganization of the chapters to make a more natural flow of content
- Revision of the support vector machine material, including a simple implementation for experiments
- New material on random forests, the perceptron convergence theorem, accuracy methods, and conjugate gradient optimization for the multi-layer perceptron
- Additional discussions of the Kalman and particle filters
- Improved code, including better use of naming conventions in Python
Suitable for both an introductory one-semester course and more advanced courses, the text strongly encourages students to practice with the code. Each chapter includes detailed examples along with further reading and problems. All of the code used to create the examples is available on the author’s website.
Скачать книгу из интернета (ссылка видна для зарегистрированных пользователей, без регистрации - кликайте на значок соц. сетей). Clicking social button for download:
