Uczenie maszynowe: Wprowadzenie do matematyki stosowanej

Opinie czytelników

Książka stanowi przystępne wprowadzenie do koncepcji uczenia maszynowego, szczególnie dla osób bez silnego zaplecza matematycznego. Równoważy intuicję i matematyczną głębię, dzięki czemu jest dobrym źródłem informacji zarówno dla początkujących, jak i osób z pewnym doświadczeniem. Może jednak nie być odpowiedni dla zupełnych nowicjuszy w matematyce lub uczeniu maszynowym, ponieważ zakłada się pewne podstawowe koncepcje.

⬤ Świetne wyjaśnienie koncepcji uczenia maszynowego
⬤ łatwe do zrozumienia dla niematematyków
⬤ dobra równowaga między intuicją a szczegółami technicznymi
⬤ dobrze zorganizowane z przydatnymi przykładami i diagramami
⬤ zabawny styl pisania
⬤ służy jako towarzysz bardziej technicznych podręczników.

⬤ Nie nadaje się dla czytelników bez podstaw matematycznych
⬤ może pomijać ważne definicje i szczegóły techniczne
⬤ może rozczarować tych, którzy szukają głębokiego i rygorystycznego podejścia do uczenia maszynowego
⬤ brakuje wersji elektronicznej
⬤ ograniczony podgląd na platformach takich jak Amazon.

(na podstawie 42 opinii czytelników)

Oryginalny tytuł:

Machine Learning: An Applied Mathematics Introduction

Zawartość książki:

Machine Learning: An Applied Mathematics Introduction obejmuje podstawową matematykę stojącą za wszystkimi poniższymi tematami.

⬤ K Najbliższych sąsiadów.

⬤ K Means Clustering.

⬤ Klasyfikator Neve Bayesa.

⬤ Metody regresji.

⬤ Maszyny wektorów nośnych.

⬤ Samoorganizujące się mapy.

⬤ Drzewa decyzyjne.

⬤ Sieci neuronowe.

⬤ Uczenie ze wzmocnieniem.

Książka zawiera wiele rzeczywistych przykładów z różnych dziedzin, w tym.

⬤ finansów (modelowanie zmienności)

⬤ ekonomii (stopy procentowe, inflacja i PKB)

⬤ polityka (klasyfikowanie polityków na podstawie ich wyników głosowania i wykorzystywanie przemówień do określenia, czy polityk jest lewicowy czy prawicowy)

⬤ biologia (rozpoznawanie odmian kwiatów oraz wykorzystywanie wzrostu i wagi dorosłych do określenia płci)

⬤ socjologia (klasyfikowanie miejsc według statystyk przestępczości)

⬤ hazard (automaty owocowe i blackjack)

⬤ biznes (klasyfikowanie członków jego własnej strony internetowej w celu sprawdzenia, kto zasubskrybuje jego magazyn).

Paul Wilmott wnosi trzy dekady doświadczenia w edukacji matematycznej i swój niepowtarzalny styl do najgorętszych tematów. Ta książka jest przystępnym wprowadzeniem dla każdego, kto chce zrozumieć podstawy, ale także chce „dotrzeć do mięsa bez konieczności jedzenia zbyt wielu warzyw”.