Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 4 olvasói szavazat alapján történt.
Applied Machine Learning
A gépi tanulási módszerek ma már a tudósok, kutatók, mérnökök és diákok fontos eszközei a legkülönbözőbb területeken. Ez a könyv azoknak íródott, akik szeretnék elsajátítani és használni a gépi tanulás fő eszközeit, de nem feltétlenül akarnak gépi tanulással foglalkozó kutatók lenni. A gépi tanulással foglalkozó, utolsó éves alapképzésben vagy első éves, végzős informatikai programokban részt vevő hallgatóknak szánt tankönyv a gépi tanulás eszköztára. Az Alkalmazott gépi tanulás számos témát érint azok számára, akik a gépi tanulás eljárásait szeretnék használni, nagy hangsúlyt fektetve a meglévő eszközök és csomagok használatára, ahelyett, hogy saját kódot írnánk.
A szerző Valószínűség és statisztika az informatikához című könyvének kísérője, ez a könyv ott folytatja, ahol a korábbi könyv abbahagyta (de egy, az olvasó által használható összefoglalót is szolgáltat a valószínűségszámításról).
Az alkalmazott statisztikából származó standard gépek hasznosságát hangsúlyozva ez a tankönyv áttekintést ad a tanulás főbb alkalmazott területeiről, beleértve a következők lefedettségét: - osztályozás standard gépezetek segítségével (naiv Bayes; legközelebbi szomszéd; SVM)- klaszterezés és vektor kvantálás (nagyrészt a PSCS-ben foglaltak szerint)- PCA (nagyrészt a PSCS-ben foglaltak szerint)- a PCA változatai (NIPALS; látens szemantikai elemzés; kanonikus korrelációs elemzés)- lineáris regresszió (nagyrészt mint a PSCS-ben)- általánosított lineáris modellek, beleértve a logisztikus regressziót- modellszelekció Lasso-val, elasticnet- robusztusság és m-becslők- Markov-láncok és HMM-ek (nagyrészt mint a PSCS-ben)- EM meglehetősen részletesen; hosszú tapasztalatok szerint, amikor ezt tanítjuk, egy részletes példa szükséges, amit a hallgatók utálnak; de ha ezen már túl vannak, a következő már könnyű- egyszerű grafikus modellek (a variációs következtetés szakaszban)- osztályozás neurális hálózatokkal, különös tekintettel a képosztályozásra- automatikus kódolás neurális hálózatokkal- struktúratanulás.
