Úvod do štatistického strojového učenia

Recenzie čitateľov

Kniha je všeobecne dobre prijímaná pre svoje pokrytie strojového učenia a klasickej štatistiky, čo z nej robí užitočný zdroj informácií pre študentov aj odborníkov. Je oceňovaná pre svoj pedagogický prístup, hoci niektorí recenzenti naznačujú, že by jej prospelo viac intuitívnych vysvetlení.

Zdravé pokrytie strojového učenia a klasickej štatistiky, lepšia pedagogická kvalita v porovnaní s mnohými inými knihami, užitočné na pracovné pohovory v oblasti dátovej vedy a štatistiky, dobre prijaté viacerými používateľmi.

Chýba podrobné pokrytie v porovnaní s niektorými odbornými textami, mohlo by prospieť viac intuitívnych vysvetlení pred ponorením sa do matematických detailov.

(na základe 3 čitateľských recenzií)

Pôvodný názov:

Introduction to Statistical Machine Learning

Obsah knihy:

Strojové učenie umožňuje počítačom učiť sa a rozoznávať vzory bez toho, aby boli skutočne naprogramované. Keď sa štatistické techniky a strojové učenie skombinujú, predstavujú výkonný nástroj na analýzu rôznych druhov údajov v mnohých oblastiach informatiky/inžinierstva vrátane spracovania obrazu, reči, prirodzeného jazyka, riadenia robotov, ako aj v základných vedách, ako je biológia, medicína, astronómia, fyzika a materiály.

Úvod do štatistického strojového učenia poskytuje všeobecný úvod do strojového učenia, ktorý stručne pokrýva širokú škálu tém a pomôže vám preklenúť priepasť medzi teóriou a praxou. V prvej časti sa rozoberajú základné pojmy štatistiky a pravdepodobnosti, ktoré sa používajú pri opise algoritmov strojového učenia. Časť II a časť III vysvetľujú dva hlavné prístupy techník strojového učenia: generatívne metódy a diskriminačné metódy. Zatiaľ čo časť III poskytuje podrobný pohľad na pokročilé témy, ktoré zohrávajú zásadnú úlohu pri zvyšovaní užitočnosti algoritmov strojového učenia v praxi. Sprievodné programy v prostredí MATLAB/Octave vám poskytnú potrebné praktické zručnosti potrebné na realizáciu širokého spektra úloh analýzy údajov.

⬤ Poskytuje základný materiál potrebný na pochopenie strojového učenia, ako je štatistika, pravdepodobnosť, lineárna algebra a počty.

⬤ Kompletné pokrytie generatívneho prístupu k štatistickému rozpoznávaniu vzorov a diskriminačného prístupu k štatistickému strojovému učeniu.

⬤ Obsahuje programy v MATLABe/Octave, aby si čitatelia mohli numericky otestovať algoritmy a získať matematické aj praktické zručnosti pri riešení širokého spektra úloh analýzy údajov.

⬤ Pojednáva o širokej škále aplikácií v strojovom učení a štatistike a uvádza príklady čerpané zo spracovania obrazu, spracovania reči, spracovania prirodzeného jazyka, riadenia robotov, ako aj z biológie, medicíny, astronómie, fyziky a materiálov.