Zapisz na liście zakupowej
Stwórz nową listę zakupową
Zapisz na liście zakupowej
Stwórz nową listę zakupową
Bezpieczne zakupy
Idosell security badge
Matematyka w uczeniu maszynowym
zoom

Matematyka w uczeniu maszynowym

Produkt dostępny w dużej ilości
Produkt dostępny w dużej ilości
109,00 zł
brutto / szt.
Kod handlowy:
HEL025
Producent:
Helion
Kod producenta:
9788328384590

Matematyka w uczeniu maszynowym

Autor: Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong
Tytuł Oryginału: Mathematics for Machine Learning
Tłumaczenie: Filip Kamiński
ISBN: 978-83-283-8459-0
Format: 200x228
Oprawa: miękka
Liczba stron: 416


Uczenie maszynowe staje się wszechobecne. Dzięki coraz lepszym narzędziom służącym do tworzenia aplikacji szczegóły techniczne związane z obliczeniami i modelami matematycznymi są często pomijane przez projektantów. Owszem, to wygodne podejście, ale wiąże się z ryzykiem braku świadomości co do wszystkich konsekwencji wybranych rozwiązań projektowych, szczególnie ich mocnych i słabych stron. A zatem bez ugruntowanych podstaw matematyki nie można mówić o profesjonalnym podejściu do uczenia maszynowego.

Ten podręcznik jest przeznaczony dla osób, które chcą dobrze zrozumieć matematyczne podstawy uczenia maszynowego i nabrać praktycznego doświadczenia w używaniu pojęć matematycznych. Wyjaśniono tutaj stosowanie szeregu technik matematycznych, takich jak algebra liniowa, geometria analityczna, rozkłady macierzy, rachunek wektorowy, optymalizacja, probabilistyka i statystyka. Następnie zaprezentowano matematyczne aspekty czterech podstawowych metod uczenia maszynowego: regresji liniowej, analizy głównych składowych, modeli mieszanin rozkładów Gaussa i maszyn wektorów nośnych. W każdym rozdziale znalazły się przykłady i ćwiczenia ułatwiające przyswojenie materiału.

W książce między innymi:

  • podstawy algebry: układy równań, macierze, przestrzenie afiniczne
  • rachunek prawdopodobieństwa, sprzężenia, optymalizacja
  • wnioskowanie z wykorzystaniem różnego rodzaju modeli
  • regresja liniowa i redukcja wymiarowości
  • maszyna wektorów nośnych i rozwiązania numeryczne

Matematyka: koniecznie, jeśli chcesz zrozumieć istotę sztucznej inteligencji!


Spis treści:

Lista symboli

Lista skrótów i akronimów

Wstęp

Podziękowania

Część I. Podstawy matematyczne

  • 1. Wprowadzenie i motywacje
    • 1.1. Znajdowanie słów dla intuicji
    • 1.2. Dwa sposoby na przeczytanie tej książki
    • 1.3. Ćwiczenia i informacje zwrotne
  • 2. Algebra liniowa
    • 2.1. Układy równań liniowych
    • 2.2. Macierze
    • 2.3. Rozwiązywanie układów równań liniowych
    • 2.4. Przestrzenie wektorowe
    • 2.5. Niezależność liniowa
    • 2.6. Baza i rząd
    • 2.7. Przekształcenia liniowe
    • 2.8. Przestrzenie afiniczne
    • 2.9. Materiały dodatkowe
    • Ćwiczenia
  • 3. Geometria analityczna
    • 3.1. Normy
    • 3.2. Iloczyny wewnętrzne
    • 3.3. Długości i odległości
    • 3.4. Kąty i ortogonalność
    • 3.5. Baza ortonormalna
    • 3.6. Dopełnienie ortogonalne
    • 3.7. Iloczyn wewnętrzny funkcji
    • 3.8. Rzuty ortogonalne
    • 3.10. Materiały dodatkowe
    • Ćwiczenia
  • 4. Rozkłady macierzy
    • 4.1. Wyznacznik i ślad
    • 4.2. Wartości i wektory własne
    • 4.3. Rozkład Choleskiego
    • 4.4. Rozkład według wartości własnych i diagonalizacja
    • 4.5. Rozkład według wartości osobliwych
    • 4.6. Przybliżenie macierzy
    • 4.7. Filogeneza macierzy
    • 4.8. Materiały dodatkowe
    • Ćwiczenia
  • 5. Rachunek wektorowy
    • 5.1. Różniczkowanie funkcji jednowymiarowych
    • 5.2. Pochodne cząstkowe i gradienty
    • 5.3. Gradienty funkcji o wartościach wektorowych
    • 5.4. Gradienty macierzy
    • 5.5. Tożsamości przydatne w obliczeniach gradientów
    • 5.6. Propagacja wsteczna i różniczkowanie automatyczne
    • 5.7. Pochodne wyższych rzędów
    • 5.8. Linearyzacja i wielowymiarowe szeregi Taylora
    • 5.9. Materiały dodatkowe
    • Ćwiczenia
  • 6. Prawdopodobieństwo i jego rozkłady
    • 6.1. Struktura przestrzeni prawdopodobieństwa
    • 6.2. Prawdopodobieństwo ciągłe i dyskretne
    • 6.3. Reguły dodawania i mnożenia oraz twierdzenie Bayesa
    • 6.4. Statystyki podsumowujące i niezależność
    • 6.5. Rozkład Gaussa
    • 6.6. Sprzężenie i rodzina wykładnicza
    • 6.7. Zmiana zmiennych/przekształcenie odwrotne
    • 6.8. Materiały dodatkowe
    • Ćwiczenia
  • 7. Optymalizacja ciągła
    • 7.1. Optymalizacja za pomocą metody gradientu prostego
    • 7.2. Optymalizacja z ograniczeniami i mnożniki Lagrange'a
    • 7.3. Optymalizacja wypukła
    • 7.4. Materiały dodatkowe
    • Ćwiczenia

Część II. Centralne problemy uczenia maszynowego

  • 8. Gdy model spotyka dane
    • 8.1. Dane, modele i uczenie
    • 8.2. Minimalizacja ryzyka empirycznego
    • 8.3. Estymacja parametrów
    • 8.4. Modelowanie probabilistyczne i wnioskowanie
    • 8.5. Modele digrafowe
    • 8.6. Wybór modelu
  • 9. Regresja liniowa
    • 9.1. Sformułowanie problemu
    • 9.2. Estymacja parametrów
    • 9.3. Bayesowska regresja liniowa
    • 9.4. Estymacja metodą maksymalnej wiarygodności jako rzut ortogonalny
    • 9.5. Materiały dodatkowe
  • 10. Redukcja wymiarowości za pomocą analizy głównych składowych
    • 10.1. Sformułowanie problemu
    • 10.2. Perspektywa maksymalizacji wariancji
    • 10.3. Perspektywa rzutowania
    • 10.4. Znajdowanie wektora własnego i aproksymacja za pomocą macierzy niskiego rzędu
    • 10.5. PCA w dużej liczbie wymiarów
    • 10.6. Najważniejsze kroki algorytmu PCA z praktycznego punktu widzenia
    • 10.7. Perspektywa zmiennej ukrytej
    • 10.8. Materiały dodatkowe
  • 11. Szacowanie gęstości za pomocą modeli mieszanin rozkładów Gaussa
    • 11.1. Model mieszaniny rozkładów Gaussa
    • 11.2. Uczenie parametrów za pomocą metody maksymalnej wiarygodności
    • 11.3. Algorytm EM
    • 11.4. Perspektywa zmiennej ukrytej
    • 11.5. Materiały dodatkowe
  • 12. Klasyfikacja za pomocą maszyny wektorów nośnych
    • 12.1. Hiperpłaszczyzny rozdzielające
    • 12.2. Pierwotna maszyna wektorów nośnych
    • 12.3. Dualna maszyna wektorów nośnych
    • 12.4. Jądra
    • 12.5. Rozwiązanie numeryczne
    • 12.6. Materiały dodatkowe
  • Bibliografia
Masz pytania? A może chcesz zamówić przez telefon?
Skorzystaj z pomocy naszego eksperta (pn.-pt . 9:00-15:00).
Zapytaj o produkt
Jeżeli powyższy opis jest dla Ciebie niewystarczający, prześlij nam swoje pytanie odnośnie tego produktu. Postaramy się odpowiedzieć tak szybko jak tylko będzie to możliwe. Dane są przetwarzane zgodnie z polityką prywatności. Przesyłając je, akceptujesz jej postanowienia.
Napisz swoją opinię
Twoja ocena:
5/5
Dodaj własne zdjęcie produktu:
pixel