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.Тем, кто только начинает изучать математику, такой подход поможет развить интуицию и получить практический опыт в применении математических знаний,а для читателей с базовым математическим образованием книга послужит отправной точкой для более продвинутого знакомства с машинным обучением.
Дайзенрот Марк Питер
Марк Питер Дайзенрот — руководитель DeepMind в области искусственного интеллекта (Университетский колледже Лондона). Сфера его научных интересов включает дата-эффективное обучение, вероятностное моделирование и автономное принятие решений. Его исследования удостаивались премии «За лучшую научную работу» на конференциях ICRA 2014 и ICCAS 2016. Марк удостоен премии для выдающихся молодых исследователей в Имперском колледже Лондона, корпоративной премии для сотрудников Google и гранта на соискание PhD от Microsoft.
Фейзал А. Альдо
А. Альдо Фейзал возглавляет лабораторию по изучению мозга и поведения в Имперском колледже Лондона, он преподает на факультетах биоинженерии и вычислительной техники, а также является членом института исследования данных. Он руководит Научно-исследовательским и инновационным центром Великобритании (UKRI), занимающимся подготовкой докторов наук в области искусственного интеллекта и здравоохранения. Он получил степень PhD в области вычислительной нейрофизиологии в Кембриджском университете и стал младшим научным сотрудником в лаборатории вычислительного и биологического обучения. Сфера его научных интересов располагается на стыке нейрофизиологии и машинного обучения; он стремится понять принципы поведения и работы мозга и выполнить их обратное проектирование.
Он Чен Сунь
Чен Сунь Он — главный научный сотрудник в Исследовательской группе по машинному обучению (Data61, CSIRO), а также ассоциированный адъюнкт-профессор в Австралийском национальном университете. Сфера его научных интересов связана с расширенным использованием статистических методов машинного обучения. Он получил степень PhD по информатике в Австралийском национальном университете в 2005 году, а также выступал с лекциями на факультете информатики в Швейцарской высшей технической школе Цюриха и в команде диагностической геномики в NICTA, Мельбурн.
Михаил Киселёв03.11.2023
На странице 60 в определении 2.8 ошибка: Множество обычных (необратимых) матриц ... В оригинале: The set of regular (invertible)
matrices ... Т.е. "необратимых" надо заменить на "обратимых"
Заказ обратного звонка
Спасибо за обращение!
Скоро с вами свяжется наш менеджер
