Lineárna algebra a optimalizácia pre strojové učenie: Učebnica

Recenzie čitateľov

Kniha je oceňovaná za komplexné pokrytie lineárnej algebry a optimalizácie relevantnej pre strojové učenie s jasnými vysvetleniami a matematickou prísnosťou. Čelí však kritike za to, že je náročná na sledovanie, chýbajú v nej riešené príklady a riešenia cvičení a obsahuje zavádzajúce popisy týkajúce sa prístupu k príručkám s riešeniami.

Komplexné pokrytie matematických tém potrebných pre strojové učenie, jasné vysvetlenia, dobré pre samoukov, výborné na pochopenie pojmov ako PCA a SVD, prínosné cvičenia na precvičenie.

Ťažko sa sleduje, chýbajú vypracované príklady a riešenia cvičení, málo diagramov, cvičenia sú často abstraktné a nie sú v súlade s obsahom, uvádzaná zlá kvalita tlače a zavádzajúce informácie o dostupnosti riešení.

(na základe 18 čitateľských recenzií)

Pôvodný názov:

Linear Algebra and Optimization for Machine Learning: A Textbook

Obsah knihy:

Táto učebnica predstavuje lineárnu algebru a optimalizáciu v kontexte strojového učenia. V celej učebnici sú uvedené príklady a cvičenia spolu s prístupom k príručke s riešeniami. Táto učebnica je určená študentom postgraduálneho štúdia a profesorom informatiky, matematiky a dátovej vedy. Túto učebnicu môžu používať aj pokročilí študenti bakalárskeho štúdia. Kapitoly tejto učebnice sú usporiadané takto:

1. Lineárna algebra a jej aplikácie: Kapitoly sú zamerané na základy lineárnej algebry spolu s ich bežnými aplikáciami na rozklad singulárnej hodnoty, faktorizáciu matíc, matice podobnosti (jadrové metódy) a analýzu grafov. Ako príklady sú použité početné aplikácie strojového učenia, ako napríklad spektrálne zhlukovanie, klasifikácia na základe jadra a detekcia odľahlých hodnôt. Úzka integrácia metód lineárnej algebry s príkladmi zo strojového učenia odlišuje túto knihu od všeobecných zväzkov o lineárnej algebre. Zameriava sa jednoznačne na najdôležitejšie aspekty lineárnej algebry pre strojové učenie a na to, aby naučila čitateľov tieto koncepty aplikovať.

2. Optimalizácia a jej aplikácie: Veľká časť strojového učenia je postavená ako optimalizačný problém, v ktorom sa snažíme maximalizovať presnosť regresných a klasifikačných modelov. "Materským problémom" strojového učenia zameraného na optimalizáciu je regresia najmenších štvorcov. Je zaujímavé, že tento problém vzniká v lineárnej algebre aj v optimalizácii a je jedným z kľúčových spájajúcich problémov týchto dvoch oblastí. Regresia najmenších štvorcov je tiež východiskom pre stroje podporných vektorov, logistickú regresiu a odporúčacie systémy. Okrem toho si metódy redukcie dimenzionality a faktorizácie matíc tiež vyžadujú vývoj optimalizačných metód. Všeobecný pohľad na optimalizáciu vo výpočtových grafoch sa rozoberá spolu s jej aplikáciami na spätné šírenie v neurónových sieťach.

Častou výzvou, ktorej čelia začiatočníci v oblasti strojového učenia, sú rozsiahle základy potrebné v lineárnej algebre a optimalizácii. Jedným z problémov je, že existujúce kurzy lineárnej algebry a optimalizácie nie sú špecifické pre strojové učenie.

Preto by ste zvyčajne museli absolvovať viac učebnej látky, ako je potrebné na zvládnutie strojového učenia. Okrem toho sa určité typy myšlienok a trikov z optimalizácie a lineárnej algebry v strojovom učení opakujú častejšie ako v iných aplikačne zameraných prostrediach. Preto má význam rozvíjať pohľad na lineárnu algebru a optimalizáciu, ktorý je vhodnejší pre špecifickú perspektívu strojového učenia.