Математика в машинном обучении — 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.
Название: Математика в машинном обучении
Автор: Марк Питер Дайзенрот, Альдо А., Чен Сунь Он
Издательство: Питер
Год: 2024
Страниц: 512
Формат: PDF
Размер: 10,96 МБ
Качество: отличное
Язык: русский
Сообщить о не рабочей ссылке.
 Все материалы на данном сайте предназначены исключительно в ознакомительных целях . Все права на публикуемое ПО, аудио, видео, графические и текстовые материалы принадлежат их владельцам (авторам), и Администрация сайта ответственность за их использование НЕ НЕСЕТ. Если Вы считаете, что какой-либо из материалов нарушает Ваши авторские права, свяжитесь с Администрацией . И мы их удалим .
|
