Hodnotenie:
Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 4 hlasoch.
Applied Machine Learning
Metódy strojového učenia sú v súčasnosti dôležitým nástrojom pre vedcov, výskumníkov, inžinierov a študentov v mnohých oblastiach. Táto kniha je napísaná pre ľudí, ktorí si chcú osvojiť a používať hlavné nástroje strojového učenia, ale nemusia sa nutne chcieť stať výskumníkmi v oblasti strojového učenia. Táto učebnica je určená študentom posledného ročníka bakalárskeho štúdia alebo prvého ročníka magisterského štúdia informatiky v oblasti strojového učenia. Aplikované strojové učenie pokrýva mnohé témy pre ľudí, ktorí chcú používať procesy strojového učenia na vykonávanie úloh, pričom veľký dôraz sa kladie na používanie existujúcich nástrojov a balíkov namiesto písania vlastného kódu.
Táto kniha, ktorá je doplnkom k autorovej knihe Pravdepodobnosť a štatistika pre informatiku, nadväzuje tam, kde predchádzajúca kniha skončila (ale dodáva aj zhrnutie pravdepodobnosti, ktoré môže čitateľ použiť).
Táto učebnica, ktorá kladie dôraz na užitočnosť štandardných strojov z aplikovanej štatistiky, poskytuje prehľad hlavných aplikovaných oblastí vzdelávania vrátane pokrytia: - klasifikácia pomocou štandardných mechanizmov (naive bayes; najbližší sused; SVM) - zhlukovanie a kvantizácia vektorov (zväčša ako v PSCS) - PCA (zväčša ako v PSCS) - varianty PCA (NIPALS; latentná sémantická analýza; lineárna regresia (zväčša ako v PSCS) - zovšeobecnené lineárne modely vrátane logistickej regresie - výber modelov pomocou Lasso, elasticnet - robustnosť a m-odhad - Markovove reťazce a HMM (zväčša ako v PSCS) - EM pomerne podrobne; dlhoročné skúsenosti s výučbou naznačujú, že je potrebný jeden podrobný príklad, ktorý študenti neznášajú; ale keď si ho prejdú, ďalší je jednoduchý - jednoduché grafické modely (v časti o variačnej inferencii) - klasifikácia pomocou neurónových sietí, s osobitným dôrazom na klasifikáciu obrázkov - automatické kódovanie pomocou neurónových sietí - učenie štruktúr.
