Вероятностное машинное обучение: введение (серия «Адаптивные вычисления и машинное обучение») на русском
#1157268
Probabilistic Machine Learning: An Introduction (Adaptive Computation and Machine Learning series) (978-0262369305)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
Kevin P. Murphy | #339: Искусственный интеллект и семантика
Подробное и актуальное введение в машинное обучение, представленное через призму вероятностного моделирования и байесовской теории принятия решений.
Эта книга предлагает подробное и актуальное введение в машинное обучение (включая глубокое обучение) через призму вероятностного моделирования и байесовской теории принятия решений. Книга охватывает математические основы (включая линейную алгебру и оптимизацию), базовое обучение с учителем (включая линейную и логистическую регрессию и глубокие нейронные сети), а также более сложные темы (включая трансферное обучение и обучение без учителя). Упражнения в конце глав позволяют студентам применить полученные знания на практике, а в приложении рассматриваются обозначения.
Книга «Вероятностное машинное обучение» выросла из книги автора 2012 года « Машинное обучение: вероятностный взгляд» . Это не просто обновление, а совершенно новая книга, отражающая значительные изменения в этой области с 2012 года, в первую очередь, в области глубокого обучения. Кроме того, новая книга сопровождается онлайн-кодом на Python, использующим такие библиотеки, как scikit-learn, JAX, PyTorch и Tensorflow, который позволяет воспроизвести почти все рисунки; этот код можно запускать в веб-браузере с помощью облачных блокнотов, и он служит практическим дополнением к теоретическим темам, обсуждаемым в книге. За этим вводным текстом последует продолжение, охватывающее более сложные темы, с тем же вероятностным подходом.
Эта книга предлагает подробное и актуальное введение в машинное обучение (включая глубокое обучение) через призму вероятностного моделирования и байесовской теории принятия решений. Книга охватывает математические основы (включая линейную алгебру и оптимизацию), базовое обучение с учителем (включая линейную и логистическую регрессию и глубокие нейронные сети), а также более сложные темы (включая трансферное обучение и обучение без учителя). Упражнения в конце глав позволяют студентам применить полученные знания на практике, а в приложении рассматриваются обозначения.
Книга «Вероятностное машинное обучение» выросла из книги автора 2012 года « Машинное обучение: вероятностный взгляд» . Это не просто обновление, а совершенно новая книга, отражающая значительные изменения в этой области с 2012 года, в первую очередь, в области глубокого обучения. Кроме того, новая книга сопровождается онлайн-кодом на Python, использующим такие библиотеки, как scikit-learn, JAX, PyTorch и Tensorflow, который позволяет воспроизвести почти все рисунки; этот код можно запускать в веб-браузере с помощью облачных блокнотов, и он служит практическим дополнением к теоретическим темам, обсуждаемым в книге. За этим вводным текстом последует продолжение, охватывающее более сложные темы, с тем же вероятностным подходом.