Электронный каталог НБ БНТУ

Книга
004 Д14

Дайзенрот, Марк Питер.
Математика в машинном обучении: докопайся до сути: пер. с англ. / Марк Питер Дайзенрот, А. Альдо Фейзал, Чен Сунь Он. – Санкт-Петербург [и др.]: Питер, 2024. – 507 с.: ил., схемы. – (Для профессионалов) . - Содерж.: Введение и мотивация ; Линейная алгебра ; Аналитическая геометрия ; Матричные разложения ; Векторный анализ ; Вероятность и распределения ; Непрерывная оптимизация ; Главные задачи машинного обучения ; О сочетании модели и данных ; Линейная регрессия ; Снижение размерности с помощью анализа главных компонент ; Оценка плотности с помощью моделей гауссовой смеси ; Классификация методом опорных векторов. - ISBN 9785446117888: 98.02.

Фундаментальные математические дисциплины, необходимые для понимания машинного обучения, — это линейная алгебра, аналитическая геометрия, векторный анализ, оптимизация, теория вероятностей и статистика. Традиционно все эти темы размазаны по различным курсам, поэтому студентам, изучающим data science или computer science, а также профессионалам в МО, сложно выстроить знания в единую концепцию. Эта книга самодостаточна: читатель знакомится с базовыми математическими концепциями, а затем переходит к четырем основным методам МО: линейной регрессии, методу главных компонент, гауссову моделированию и методу опорных векторов.

ГРНТИ 28.23.25
ГРНТИ 27.01.05
004.85
51-7

общий = МАШИННОЕ ОБУЧЕНИЕ
общий = НЕЙРОННЫЕ СЕТИ
общий = МАТЕМАТИЧЕСКИЕ ОСНОВЫ
общий = ПРИКЛАДНАЯ МАТЕМАТИКА