Идеи машинного обучения: от теории к алгоритмам
Машинное обучение – один из самых быстро развивающихся разделов информатики с приложениями в самых разных областях. Цель этой книги – познакомить читателя с фундаментальными принципами машинного обучения и характерными для него алгоритмическими парадигмами. Книга содержит обширный свод основополагаю...
Сохранить в:
| Главный автор: | |
|---|---|
| Формат: | Книга |
| Темы: | |
| Online-ссылка: | Перейти к просмотру издания |
| Метки: |
Добавить метку
Нет меток, Требуется 1-ая метка записи!
|
| LEADER | 03859nam0a2200409 4500 | ||
|---|---|---|---|
| 001 | RU/IPR SMART/125114 | ||
| 856 | 4 | |u https://www.iprbookshop.ru/125114.html |z Перейти к просмотру издания | |
| 801 | 1 | |a RU |b IPR SMART |c 20250903 |g RCR | |
| 010 | |a 978-5-97060-673-5 | ||
| 205 | |a Идеи машинного обучения: от теории к алгоритмам |b 2029-12-31 | ||
| 333 | |a Лицензия до 31.12.2029 | ||
| 100 | |a 20250903d2019 k y0rusy01020304ca | ||
| 105 | |a y j 000zy | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 200 | 1 | |a Идеи машинного обучения: от теории к алгоритмам |f Ш. Шалев-Шварц, Ш. Бен-Давид |g перевод А. А. Слинкин | |
| 700 | 1 | |a Шалев-Шварц, |b Ш. |4 070 | |
| 701 | 1 | |a Бен-Давид, |b Ш. |4 070 | |
| 702 | 1 | |a Слинкин, |b А. А. |4 730 | |
| 330 | |a Машинное обучение – один из самых быстро развивающихся разделов информатики с приложениями в самых разных областях. Цель этой книги – познакомить читателя с фундаментальными принципами машинного обучения и характерными для него алгоритмическими парадигмами. Книга содержит обширный свод основополагающих теоретических идей машинного обучения и математические выкладки, благодаря которым эти идеи становятся практическими алгоритмами. Вслед за изложением базовых основ дисциплины рассматривается широкий спектр тем, не нашедших достаточного отражения в предшествующих учебниках: вычислительная сложность обучения, понятия выпуклости и устойчивости, важные алгоритмы, включая стохастический градиентный спуск, нейронные сети и обучение структурированному выводу, а также совсем недавние теоретические концепции, например, PAC-байесовский подход и границы сжатия. Издание ориентировано на студентов старших курсов, обучающихся информатике, техническим наукам, математике или статистике, а также может быть полезно исследователям, желающим углубить свои теоретические знания. Предполагается, что читатель знаком с основами теории вероятностей, линейной алгебры, математического анализа и теории алгоритмов. | ||
| 210 | |a Москва |c ДМК Пресс |d 2019 | ||
| 610 | 1 | |a машинное обучение | |
| 610 | 1 | |a алгоритм | |
| 610 | 1 | |a информатика | |
| 610 | 1 | |a приложение | |
| 610 | 1 | |a нейронные сети | |
| 610 | 1 | |a градиентный спуск | |
| 610 | 1 | |a структурированный вывод | |
| 675 | |a 004.4 | ||
| 686 | |a 32.972 |2 rubbk | ||
| 300 | |a Книга не входит в премиум-версию IPR SMART. | ||
| 106 | |a s | ||
| 230 | |a Электрон. дан. (1 файл) | ||
| 336 | |a Текст | ||
| 337 | |a электронный | ||
| 503 | 0 | |a Доступна эл. версия. IPR SMART | |
| 215 | |a 436 с. | ||