Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.
Non-convex Optimization for Machine Learning
A Non-convex Optimization for Machine Learning a nem-konvex optimalizálás alapjait tekinti át a gépi tanulásban való alkalmazásokkal. Bemutatja a terület gazdag szakirodalmát, valamint felvértezi az olvasót a nem-konvex problémákra vonatkozó ezen egyszerű eljárások elemzéséhez szükséges eszközökkel és technikákkal.
A Non-convex Optimization for Machine Learning a lehető legönállóbb, miközben nem veszíti el a hangsúlyt a nem-konvex optimalizálási technikák fő témájáról. Egész fejezeteket szentel a konvex analízis és optimalizálás alapfogalmainak, valamint nem-konvex megfelelőinek bemutatására, oktató jellegű feldolgozására. Mint ilyen, ez a monográfia felhasználható egy féléves kurzushoz a nem-konvex optimalizálás alapjairól a gépi tanulásban való alkalmazásokkal. Másrészt az is lehetséges, hogy egyes részeket, például a ritka helyreállításról szóló fejezetet vagy az EM-algoritmust egy szélesebb körű kurzusba való beillesztés céljából kiválogassuk. Számos kurzus, például a gépi tanulás, az optimalizálás és a jelfeldolgozás témakörei számára előnyös lehet az ilyen témák beillesztése.
A Non-convex Optimization for Machine Learning a gépi tanulás és a jelfeldolgozás területén négy érdekes alkalmazás bemutatásával zárul, és azt vizsgálja, hogy a korábban bemutatott nem-konvex optimalizálási technikák hogyan használhatók e problémák megoldására.
