Recenzie čitateľov
Zhrnutie:Kniha je všeobecne považovaná za jeden z najlepších zdrojov pre strojové učenie, chválená pre svoje komplexné pokrytie, matematickú presnosť a hlboké vysvetlenia. Bola však kritizovaná za typografické chyby, organizačné problémy a rôznu kvalitu písma v jednotlivých kapitolách, čo ju robí menej vhodnou pre začiatočníkov.
Výhody:⬤ Bohatý obsah a komplexné pokrytie tém strojového učenia vrátane pokročilých techník.
⬤ Prehľadné vysvetlenia, ktoré pomáhajú budovať intuíciu v pozadí konceptov.
⬤ Dobre organizované hĺbkové spracovanie pravdepodobnostných prístupov.
⬤ Sprievodný softvér je užitočný a zlepšuje porozumenie.
⬤ Vhodné pre skúsených študentov a výskumníkov, ktorí hľadajú referenčnú knihu.
Nevýhody:⬤ Početné typografické a technické chyby, pričom niektoré sú dostatočne závažné na to, aby bránili porozumeniu.
⬤ Organizačné problémy, ktoré môžu sťažovať sledovanie textu, s odkazmi na budúce kapitoly, ktoré môžu čitateľa dezorientovať.
⬤ Nekonzistentná kvalita písma v rôznych kapitolách.
⬤ Príliš abstraktné opisy, ktoré si vyžadujú externé zdroje.
⬤ Neodporúča sa ako primárny učebný zdroj pre začiatočníkov.
(na základe 162 čitateľských recenzií)
Pôvodný názov:
The Machine Learning: A Probabilistic Perspective
Obsah knihy:
Komplexný úvod do strojového učenia, ktorý využíva pravdepodobnostné modely a inferenciu ako jednotiaci prístup.
Dnešná záplava elektronických údajov na webe si vyžaduje automatizované metódy analýzy údajov. Tie poskytuje strojové učenie, ktoré vyvíja metódy, ktoré dokážu automaticky zisťovať vzory v údajoch a následne využiť odhalené vzory na predpovedanie budúcich údajov. Táto učebnica ponúka komplexný a samostatný úvod do oblasti strojového učenia, ktorý je založený na jednotnom pravdepodobnostnom prístupe.
Obsah kombinuje šírku a hĺbku a ponúka potrebný základný materiál o takých témach, ako je pravdepodobnosť, optimalizácia a lineárna algebra, ako aj diskusiu o najnovšom vývoji v tejto oblasti vrátane podmienených náhodných polí, regularizácie L1 a hlbokého učenia. Kniha je napísaná neformálnym, prístupným štýlom, doplnená o pseudokódy najdôležitejších algoritmov. Všetky témy sú bohato ilustrované farebnými obrázkami a praktickými príkladmi z takých aplikačných oblastí, ako je biológia, spracovanie textu, počítačové videnie a robotika. Namiesto kuchárskej knihy rôznych heuristických metód sa v knihe kladie dôraz na principiálny prístup založený na modeli, pričom sa často používa jazyk grafických modelov na stručnú a intuitívnu špecifikáciu modelov. Takmer všetky opísané modely boli implementované v softvérovom balíku MATLAB --PMTK (probabilistic modeling toolkit) -- ktorý je voľne dostupný online. Kniha je vhodná pre študentov vyšších ročníkov so základmi vysokoškolskej matematiky na úvodnej úrovni a pre začínajúcich absolventov vysokých škôl.
