Învățarea automată: O perspectivă algoritmică, ediția a doua

Recenzii ale cititorilor

Cartea oferă o introducere cuprinzătoare în învățarea automată folosind Python cu o abordare algoritmică, deși suferă de numeroase erori matematice și explicații confuze. Deși acoperă o gamă largă de algoritmi și este deosebit de accesibilă pentru cei cu cunoștințe mai puțin solide de matematică, poate frustra utilizatorii mai avansați sau cei care caută un tratament riguros.

⬤ Acoperire cuprinzătoare a diferiților algoritmi de învățare automată.
⬤ Accent algoritmic, mai degrabă decât bazat exclusiv pe aplicații.
⬤ Accesibil pentru cei cu abilități matematice limitate.
⬤ Include exemple de cod Python, ceea ce este util pentru înțelegerea practică.
⬤ Scris într-un stil conversațional ușor de urmărit.
⬤ Bun pentru cursuri introductive.

⬤ Plin de erori, atât tipografice, cât și matematice.
⬤ Unele explicații sunt confuze sau neclare.
⬤ Anumite secțiuni pot să nu ofere suficientă profunzime sau detalii.
⬤ Presupune o anumită familiaritate cu Python, lipsesc tutorialele extinse.
⬤ Poate fi mai potrivit ca o resursă suplimentară decât ca un text de sine stătător.

(pe baza a 35 recenzii ale cititorilor)

Titlul original:

Machine Learning: An Algorithmic Perspective, Second Edition

Conținutul cărții:

O abordare dovedită, practică pentru studenții fără o bază statistică solidă

De la publicarea primei ediții, care a fost un bestseller, au existat mai multe evoluții proeminente în domeniul învățării automate, inclusiv creșterea activității privind interpretările statistice ale algoritmilor de învățare automată. Din nefericire, studenții la informatică fără o bază statistică solidă întâmpină adesea dificultăți în a se iniția în acest domeniu.

Remedierea acestei deficiențe, Machine Learning: An Algorithmic Perspective, Second Edition ajută studenții să înțeleagă algoritmii învățării automate. Ea îi pune pe calea spre stăpânirea matematicii și statisticii relevante, precum și a programării și experimentării necesare.

Nou în cea de-a doua ediție

⬤ Două capitole noi privind rețelele de credințe profunde și procesele gaussiene.

⬤ Reorganizarea capitolelor pentru a realiza un flux mai natural al conținutului.

⬤ Revizuirea materialului despre mașinile vectoriale de sprijin, inclusiv o implementare simplă pentru experimente.

⬤ Material nou privind pădurile aleatorii, teorema de convergență a perceptronului, metodele de acuratețe și optimizarea gradientului conjugat pentru perceptronul multistrat.

⬤ Discuții suplimentare despre filtrele Kalman și particule.

⬤ Cod îmbunătățit, inclusiv o mai bună utilizare a convențiilor de denumire în Python.

Potrivit atât pentru un curs introductiv de un semestru, cât și pentru cursuri mai avansate, textul încurajează puternic studenții să practice cu codul. Fiecare capitol include exemple detaliate, împreună cu lecturi suplimentare și probleme. Tot codul utilizat pentru crearea exemplelor este disponibil pe site-ul web al autorului.