Recenzii ale cititorilor
Rezumat:Cartea este considerată pe scară largă drept una dintre cele mai bune resurse pentru învățarea automată, fiind lăudată pentru acoperirea cuprinzătoare, rigoarea matematică și explicațiile perspicace. Cu toate acestea, a fost criticată pentru erorile tipografice, problemele organizatorice și calitatea variabilă a scrierii între capitole, ceea ce o face mai puțin potrivită pentru începători.
Avantaje:⬤ Conținut bogat și acoperire cuprinzătoare a subiectelor de învățare automată, inclusiv tehnici avansate.
⬤ Explicații pătrunzătoare care ajută la construirea intuiției în spatele conceptelor.
⬤ Tratarea aprofundată și bine organizată a abordărilor probabilistice.
⬤ Software-ul de însoțire este util și îmbunătățește înțelegerea.
⬤ Bun pentru cursanții experimentați și cercetătorii care caută o carte de referință.
Dezavantaje:⬤ Numeroase erori tipografice și tehnice, unele suficient de semnificative încât să împiedice înțelegerea.
⬤ Probleme organizatorice care pot face textul dificil de urmărit, cu trimiteri la capitole viitoare care pot dezorienta cititorii.
⬤ Calitate inconsecventă a scrierii în diferite capitole.
⬤ Prea abstract pentru unele descrieri, necesitând resurse externe.
⬤ Nu este recomandat ca resursă principală de învățare pentru începători.
(pe baza a 162 recenzii ale cititorilor)
Titlul original:
The Machine Learning: A Probabilistic Perspective
Conținutul cărții:
O introducere cuprinzătoare în învățarea automată care utilizează modele probabilistice și inferența ca o abordare unificatoare.
Avalanșa de date electronice pe care o oferă astăzi Web-ul necesită metode automate de analiză a datelor. Învățarea mecanică oferă aceste metode, dezvoltând metode care pot detecta automat modele în date și apoi pot utiliza modelele descoperite pentru a prezice datele viitoare. Acest manual oferă o introducere cuprinzătoare și de sine stătătoare în domeniul învățării automate, bazată pe o abordare unificată, probabilistică.
Acoperirea combină amploarea și profunzimea, oferind materialul de bază necesar pe teme precum probabilitatea, optimizarea și algebra liniară, precum și discutarea evoluțiilor recente din domeniu, inclusiv câmpurile aleatorii condiționate, regularizarea L1 și învățarea profundă. Cartea este scrisă într-un stil informal, accesibil, complet cu pseudocod pentru cei mai importanți algoritmi. Toate subiectele sunt abundent ilustrate cu imagini color și exemple de lucru extrase din domenii de aplicare cum ar fi biologia, prelucrarea textului, viziunea pe calculator și robotica. Mai degrabă decât să ofere o carte de bucate cu diferite metode euristice, cartea pune accentul pe o abordare bazată pe principii și modele, folosind adesea limbajul modelelor grafice pentru a specifica modelele într-un mod concis și intuitiv. Aproape toate modelele descrise au fost implementate într-un pachet software MATLAB - PMTK (probabilistic modeling toolkit) - care este disponibil gratuit online. Cartea este potrivită pentru studenții de nivel universitar superior cu un nivel introductiv de matematică universitară și pentru studenții absolvenți începători.
