Recenzii ale cititorilor
Rezumat:Cartea este lăudată pe scară largă ca o resursă cuprinzătoare și bine structurată pentru înțelegerea învățării automate, în special ML probabilistică. Recenzenții apreciază stilul de scriere captivant, claritatea și profunzimea conținutului. Cu toate acestea, mai mulți utilizatori au raportat probleme cu calitatea fizică a cărții, inclusiv deteriorarea la livrare și calitatea slabă a hârtiei.
Avantaje:⬤ Acoperire cuprinzătoare a subiectelor de învățare automată.
⬤ Explicații captivante și intuitive ale conceptelor complexe.
⬤ Utilă atât pentru începători, cât și pentru cititorii avansați.
⬤ Resursă valoroasă pentru înțelegerea teoriei ML și a progreselor recente.
⬤ Încurajată pentru cei care doresc să se implice în literatura și cercetarea ML de nivel înalt.
Dezavantaje:⬤ Probleme frecvente cu calitatea fizică a cărții, inclusiv coperți rupte și coloane vertebrale deteriorate.
⬤ Unele nemulțumiri cu privire la calitatea imprimării și a hârtiei pentru preț.
⬤ Nu sunt oferite soluții pentru exerciții, ceea ce i-a dezamăgit pe unii cititori.
⬤ Rapoarte de exemplare defecte care au creat experiențe de cumpărare negative.
(pe baza a 40 recenzii ale cititorilor)
Titlul original:
Probabilistic Machine Learning: An Introduction
Conținutul cărții:
O introducere detaliată și actualizată în învățarea automată, prezentată prin prisma unificatoare a modelării probabilistice și a teoriei decizionale bayesiene.
Această carte oferă o introducere detaliată și actualizată în învățarea automată (inclusiv învățarea profundă) prin prisma unificatoare a modelării probabilistice și a teoriei decizionale bayesiene. Cartea acoperă contextul matematic (inclusiv algebra liniară și optimizarea), învățarea supervizată de bază (inclusiv regresia liniară și logistică și rețelele neuronale profunde), precum și subiecte mai avansate (inclusiv învățarea prin transfer și învățarea nesupervizată). Exercițiile de la sfârșitul capitolelor permit studenților să aplice ceea ce au învățat, iar o anexă acoperă notația.
Învățarea probabilistică a mașinilor s-a dezvoltat din cartea autorului din 2012, Machine Learning: A Probabilistic Perspective. Mai mult decât o simplă actualizare, aceasta este o carte complet nouă, care reflectă evoluțiile dramatice din domeniu din 2012, mai ales învățarea profundă. În plus, noua carte este însoțită de cod Python online, folosind biblioteci precum scikit-learn, JAX, PyTorch și Tensorflow, care poate fi folosit pentru a reproduce aproape toate figurile; acest cod poate fi rulat în interiorul unui browser web folosind notebook-uri bazate pe cloud și oferă o completare practică la subiectele teoretice discutate în carte. Acest text introductiv va fi urmat de o continuare care acoperă subiecte mai avansate, folosind aceeași abordare probabilistică.
