Recenzii ale cititorilor
În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 4 voturi.
Titlul original:
Applied Machine Learning
Conținutul cărții:
Metodele de învățare automată sunt în prezent un instrument important pentru oamenii de știință, cercetători, ingineri și studenți într-o gamă largă de domenii. Această carte este scrisă pentru persoanele care doresc să adopte și să utilizeze principalele instrumente ale învățării automate, dar nu vor dori neapărat să fie cercetători în domeniul învățării automate. Destinat studenților din ultimul an de licență sau din primul an de absolvire a programelor de informatică în domeniul învățării automate, acest manual este un set de instrumente de învățare automată. Applied Machine Learning acoperă multe subiecte pentru persoanele care doresc să utilizeze procesele de învățare automată pentru a face lucruri, cu un accent puternic pe utilizarea instrumentelor și pachetelor existente, mai degrabă decât scrierea propriului cod.
O însoțitoare a cărții Probability and Statistics for Computer Science a autorului, această carte reia de unde a rămas cartea anterioară (dar furnizează și un rezumat al probabilității pe care cititorul îl poate utiliza).
Subliniind utilitatea mașinilor standard din statistica aplicată, acest manual oferă o imagine de ansamblu a principalelor domenii aplicate în învățare, inclusiv acoperirea: - clasificarea cu ajutorul mașinilor standard (naive bayes; cel mai apropiat vecin; SVM)- gruparea și cuantizarea vectorială (în mare parte ca în PSCS)- PCA (în mare parte ca în PSCS)- variante ale PCA (NIPALS; analiza semantică latentă; analiza corelației canonice)- regresia liniară (în mare parte ca în PSCS)- modelele liniare generalizate, inclusiv regresia logistică- selectarea modelului cu Lasso, elasticnet- robustețea și estimatorii m- lanțurile Markov și HMM (în mare parte ca în PSCS)- EM în detaliu; o experiență îndelungată în predarea acestui curs sugerează că este necesar un exemplu detaliat, pe care studenții îl urăsc; dar odată ce au trecut prin acesta, următorul este ușor - modele grafice simple (în secțiunea de inferență variațională) - clasificarea cu rețele neuronale, cu un accent deosebit pe clasificarea imaginilor - autocodificarea cu rețele neuronale - învățarea structurii.
