Sparse Estimation with Math and R: 100 Exercises for Building Logic
A gépi tanulás és az adattudomány számára a legfontosabb képesség a matematikai logika a lényegük megragadásához, nem pedig a tudás és a tapasztalat. Ez a tankönyv a ritkás becslés lényegét matematikai problémák figyelembevételével és R-programok építésével közelíti meg.
Minden fejezet bemutatja a ritkaság fogalmát, és eljárásokat ad, amelyeket matematikai levezetések és forrásprogramok követnek, példákkal a végrehajtásra. Annak érdekében, hogy az olvasók minél jobban megismerjék a ritkaságot, szinte minden tételhez matematikai bizonyításokat is bemutatunk, és a programokat úgy írjuk le, hogy nem függnek csomagoktól. A könyv gondosan úgy van megszerkesztve, hogy minden fejezetben megadja a feladatok megoldásait, így az olvasók az összesen 100 feladatot egyszerűen az egyes fejezetek tartalmának követésével oldhatják meg.
Ez a tankönyv alkalmas egy kb. 15 előadásból (egyenként 90 perc) álló egyetemi vagy főiskolai kurzusra. A könnyen követhető és önálló stílusban megírt könyv tökéletes anyag lesz a lineáris regresszió, az általánosított lineáris lasszó, a csoportos lasszó, a fuzionált lasszó, a grafikus modellek, a mátrixbontás és a többváltozós elemzés iránt érdeklődő adattudósok, gépi tanulási mérnökök és kutatók önálló tanulására is.
Ez a könyv ugyanannak a szerzőnek a gépi tanulással foglalkozó tankönyvsorozatának az egyik darabja. A többi cím:
- Statisztikai tanulás matematikával és R-rel (https: //www.springer.com/gp/book/9789811575679)
- Statisztikai tanulás matematikával és Pythonnal (https: //www.springer.com/gp/book/9789811578762)
- Sparse Estimation with Math and Python.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)