Konvexná optimalizácia pre strojové učenie

Pôvodný názov:

Convex Optimization for Machine Learning

Obsah knihy:

Táto kniha sa zaoberá úvodom do konvexnej optimalizácie, jedného z výkonných a ľahko riešiteľných optimalizačných problémov, ktoré sa dajú efektívne riešiť na počítači. Cieľom knihy je pomôcť vytvoriť si predstavu o tom, čo je konvexná optimalizácia a ako ju možno využiť v čoraz širšom spektre praktických súvislostí s osobitným dôrazom na strojové učenie.

Prvá časť knihy obsahuje základné pojmy konvexných množín, konvexných funkcií a súvisiace základné definície, ktoré slúžia na pochopenie konvexnej optimalizácie a jej zodpovedajúcich modelov. Druhá časť sa zaoberá jednou veľmi užitočnou teóriou, tzv. dualitou, ktorá umožňuje: (1) získať algoritmické poznatky a (2) získať približné riešenie nekonvexných optimalizačných problémov, ktoré sú často ťažko riešiteľné.

Posledná časť sa zameriava na moderné aplikácie v strojovom učení a hlbokom učení. Charakteristickou črtou tejto knihy je, že stručne rozpráva "príbeh" o tom, akú úlohu zohráva konvexná optimalizácia, a to prostredníctvom historických príkladov a trendových aplikácií strojového učenia.

Ďalšou kľúčovou vlastnosťou je, že obsahuje programovú implementáciu rôznych algoritmov strojového učenia inšpirovaných základmi optimalizácie spolu so stručným návodom na použité programovacie nástroje. Implementácia je založená na jazykoch Python, CVXPY a TensorFlow. Táto kniha nie je usporiadaná podľa tradičného učebnicového štýlu, ale je zjednodušená prostredníctvom série poznámok k prednáškam, ktoré sú úzko prepojené a sústredené okolo ucelených tém a koncepcií.

Slúži ako učebnica najmä pre bakalársky kurz na vyššej úrovni, je však vhodná aj pre absolventský kurz v prvom ročníku. Pre čitateľov je výhodné mať dobré základy lineárnej algebry, určité skúsenosti s pravdepodobnosťou a základnú znalosť jazyka Python.