Gépi tanulás: A Applied Mathematics Introduction (Alkalmazott matematikai bevezetés)

Olvasói vélemények

A könyv közérthető bevezetést nyújt a gépi tanulás fogalmaiba, különösen azok számára, akik nem rendelkeznek erős matematikai háttérrel. Egyensúlyt teremt az intuíció és a matematikai mélység között, így jó forrás mind a kezdők, mind a már némi tapasztalattal rendelkezők számára. Ugyanakkor a matematikában vagy a gépi tanulásban teljesen kezdők számára talán kevésbé alkalmas, mivel néhány alapfogalmat feltételez.

⬤ A gépi tanulás fogalmainak nagyszerű magyarázata
⬤ a nem matematikusok számára is könnyen érthető
⬤ az intuíció és a technikai részletesség jó egyensúlya
⬤ jól szervezett, hasznos példákkal és diagramokkal
⬤ szórakoztató írásmód
⬤ a technikai jellegű tankönyvek kísérőjeként szolgál.

⬤ Nem alkalmas a matematikai alapokkal nem rendelkező olvasók számára
⬤ átugorhat fontos definíciókat és technikai részleteket
⬤ csalódást okozhat azoknak, akik a gépi tanulás mély és szigorú feldolgozását keresik
⬤ nincs elektronikus változat
⬤ korlátozott előnézet az olyan platformokon, mint az Amazon.

(42 olvasói vélemény alapján)

Eredeti címe:

Machine Learning: An Applied Mathematics Introduction

Könyv tartalma:

A Machine Learning: An Applied Mathematics Introduction az alábbi témák mögött meghúzódó alapvető matematikai ismereteket tartalmazza.

⬤ K Legközelebbi szomszédok.

⬤ K eszközök klaszterezése.

⬤ Na ve Bayes osztályozó.

⬤ Regressziós módszerek.

⬤ Támogató vektoros gépek.

⬤ Self-Organizáló térképek.

⬤ Döntési fák.

⬤ Neurális hálózatok.

⬤ erősítéses tanulás.

A könyv számos valós példát tartalmaz különböző területekről, többek között.

⬤ pénzügyek (volatilitás modellezés)

⬤ közgazdaságtan (kamatlábak, infláció és GDP)

⬤ politika (politikusok osztályozása a szavazási arányuk alapján, és beszédek alapján annak megállapítása, hogy egy politikus bal- vagy jobboldali-e).

⬤ biológia (virágfajták felismerése, valamint felnőttek magasságának és súlyának felhasználása a nemek meghatározásához).

⬤ szociológia (helyszínek osztályozása a bűnözési statisztikák alapján)

⬤ szerencsejáték (gyümölcsgépek és Blackjack)

⬤ üzlet (a saját honlapjának tagjainak osztályozása, hogy lássa, ki fog előfizetni a magazinjára).

Paul Wilmott három évtizedes matematikaoktatási tapasztalatát és utánozhatatlan stílusát hozza a legforróbb témákhoz. Ez a könyv közérthető bevezetés mindazok számára, akik meg akarják érteni az alapokat, de „a húshoz is el akarnak jutni anélkül, hogy túl sok zöldséget kellene enniük.”.