Hodnotenie:
Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 7 hlasoch.
Machine Learning for Signal Processing: Data Science, Algorithms, and Computational Statistics
Táto kniha podrobne opisuje základnú matematiku a algoritmy strojového učenia (príklad umelej inteligencie) a spracovania signálov, dvoch najdôležitejších a najzaujímavejších technológií v modernej informačnej ekonomike. Postupným prístupom buduje koncepty solídnym spôsobom krok za krokom tak, aby sa myšlienky a algoritmy dali implementovať do praktických softvérových aplikácií.
Digitálne spracovanie signálov (DSP) je jednou zo "základných" technických tém moderného sveta, bez ktorej by neboli možné technológie ako mobilný telefón, televízia, CD a MP3 prehrávače, WiFi a radar. Štatistické strojové učenie, ktoré je v porovnaní s ním relatívne nové, je teoretickým základom zaujímavých technológií, ako sú automatické techniky na rozpoznávanie registračných značiek automobilov, rozpoznávanie reči, predpovedanie vývoja na burze, detekcia chýb na montážnych linkách, navádzanie robotov a autonómna navigácia automobilov. Štatistické strojové učenie využíva analógiu medzi inteligentným spracovaním informácií v biologických mozgoch a sofistikovaným štatistickým modelovaním a odvodzovaním.
DSP a štatistické strojové učenie majú pre znalostnú ekonomiku taký veľký význam, že obe prešli rýchlymi zmenami a zaznamenali radikálne zlepšenie rozsahu a použiteľnosti. V oboch sa využívajú kľúčové témy aplikovanej matematiky, ako sú pravdepodobnosť a štatistika, algebra, kalkulus, grafy a siete. Medzi oboma predmetmi existujú úzke formálne väzby a z tohto dôvodu sa oba predmety v mnohom prekrývajú, čo sa dá využiť na vytvorenie nových nástrojov DSP s prekvapivou užitočnosťou, ktoré sú veľmi vhodné pre súčasný svet všadeprítomných digitálnych senzorov a výkonného, ale lacného výpočtového hardvéru. Táto kniha poskytuje solídny matematický základ a podrobne opisuje kľúčové pojmy a algoritmy v tejto dôležitej téme.
