Математика в машинном обучении, Дайзенрот М.П., Альдо Ф.А., Чен С.О., 2024

Математика в машинном обучении, Дайзенрот М.П., Альдо Ф.А., Чен С.О., 2024.
 
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.




ДАННЫЕ, МОДЕЛИ И ОБУЧЕНИЕ.
Здесь стоит приостановиться и задуматься о том, задачи какого рода должен решать алгоритм машинного обучения. Как говорилось в главе 1, в системе МО есть три основные составляющие: данные, модели и обучение. Основной вопрос МО: «Что мы понимаем под хорошими моделями?» В данном значении слово «модель» имеет много тонкостей, и мы неоднократно обратимся к ним в рамках этой главы. Также не вполне очевидно, как объективно оценить понятие «хороший». Один из руководящих принципов МО — в том, что хорошие модели должны успешно работать на еще не известных данных. Для этого требуется определить ряд метрик производительности, например точность (accuracy) или отдаленность от истинного значения, а также найти способы достижения хороших результатов в соответствии с этими метриками. В этой главе рассмотрен ряд необходимых составляющих математического и статистического аппарата, которые обычно используются при рассуждении о моделях машинного обучения. Обсудив их, мы кратко очертим современные наилучшие практики обучения модели, с опорой на которые предиктор должен показывать хорошие результаты на еще не известных данных.

Краткое содержание.
ЧАСТЬ I.Математические основы.
ЧАСТЬ II.Главные задачи машинного обучения.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Математика в машинном обучении, Дайзенрот М.П., Альдо Ф.А., Чен С.О., 2024 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу


Скачать - pdf - Яндекс.Диск.




Хештеги: #Дайзенрот :: #Альдо :: #Чен :: #книги по математике :: #математика :: #машинное обучение