Математика в машинном обучении | Mathematics in Machine Learning

Математика в машинном обучении

Дайзенрот Марк Питер, Альдо Фейзал А., Чен Сунь Он, 2024

Обзор

Эта книга систематизирует фундаментальные математические дисциплины, необходимые для понимания машинного обучения. В ней рассматриваются линейная алгебра, аналитическая геометрия, векторный анализ, оптимизация, теория вероятностей и статистика. Подход позволяет читателю сначала освоить базовые математические концепции, а затем перейти к изучению четырех основных методов машинного обучения: линейной регрессии, метода главных компонент, гауссова моделирования и метода опорных векторов.

Кому подойдёт

• Студентам, изучающим data science или computer science.
• Профессионалам в области машинного обучения.
• Начинающим изучать математику для практического применения.
• Читателям с базовым математическим образованием, желающим углубиться в МО.

Ключевые особенности

• Язык: русский
• Количество страниц: 512
• Тип обложки: мягкая обложка
• ISBN: 9785446117888
• Издательство: Питер
• Серия: Для профессионалов
• Год издания: 2024

<hr>

Mathematics in Machine Learning

Mark Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong, 2024

Overview

This book consolidates the fundamental mathematical disciplines required for understanding machine learning. It covers linear algebra, analytical geometry, vector calculus, optimization, probability theory, and statistics. The approach allows readers to first grasp basic mathematical concepts before moving on to four core machine learning methods: linear regression, principal component analysis, Gaussian modeling, and support vector machines.

Who it's for

• Students of data science or computer science.
• Machine learning professionals.
• Beginners in mathematics seeking practical application.
• Readers with a foundational math background looking to advance in ML.

Key features

• Language: Russian
• Pages: 512
• Binding: Softcover
• ISBN: 9785446117888
• Publisher: Piter
• Series: For Professionals
• Year: 2024