Machine Learning: A Theoretical Approach

Olvasói vélemények

A könyv korai áttekintést nyújt az elméleti gépi tanulásról, bemutatva a terület fejlődését. Néhány olvasó azonban csalódottságát fejezi ki absztrakt megközelítése és a matematikai definíciók tisztázatlansága miatt.

Jó történeti áttekintést nyújt a gépi tanulás korai munkáiról; jelzi, hogyan fejlődött a terület az idők során.

⬤ Elvont és bonyolult magyarázatokat tartalmaz, amelyekből hiányozhat a logikai folyamatosság
⬤ a szerző részéről érzékelhető nagyképűség
⬤ nem magyarázza el megfelelően a kulcsfontosságú matematikai fogalmakat
⬤ egyes olvasók úgy érzik, hogy nem nyújt szilárd elméleti alapokat.

(2 olvasói vélemény alapján)

Könyv tartalma:

Ez az első átfogó bevezetés a számítógépes tanuláselméletbe.

A szerző az alapvető eredmények és azok alkalmazásainak egységes bemutatása révén a mesterséges intelligencia kutatóinak elméleti perspektívát kínál az általuk vizsgált problémákhoz. A könyv olyan eszközöket mutat be a tanulás valószínűségi modelljeinek elemzéséhez, olyan eszközöket, amelyek élesen osztályozzák, hogy mi tanulható és mi nem hatékonyan.

A Valiant-féle PAC-paradigma és a Vapnik-Chervonenkis-dimenzió fontos fogalmának általános bevezetése után a szerző olyan konkrét témákat vizsgál, mint a véges automaták és a neurális hálózatok. Az előadás a széles közönségnek szól - a szerzőnek a kezdők számára motiváló és a vitákat ütemező képességét a recenzensek dicsérték. Minden fejezet számos példát és feladatot, valamint a fontos eredmények hasznos összefoglalását tartalmazza.

Kiváló bevezetés a területre, amely alkalmas akár első kurzusnak, akár az általános gépi tanulás és a haladó mesterséges intelligencia kurzusok részeként. Fontos referencia a mesterséges intelligenciával foglalkozó kutatók számára is.