Fundamentals of Pattern Recognition and Machine Learning
Autor Ulisses Braga-Netoen Limba Engleză Paperback – 11 sep 2021
Dacă Essentials of Pattern Recognition de Jianxin Wu oferă o introducere conceptuală simplificată pentru începători, Fundamentals of Pattern Recognition and Machine Learning aduce în plus rigoarea matematică și instrumentele practice necesare implementării efective în proiecte complexe. Ne-a atras atenția modul în care Ulisses Braga-Neto reușește să condenseze 13 ani de experiență didactică la Texas A&M University într-un format care servește atât studiului individual, cât și cursurilor universitare de nivel avansat.
Apreciem în mod deosebit abordarea procesuală a volumului. Structura cuprinsului indică o progresie logică: de la bazele teoretice ale clasificării optime, la metode parametrice și neparametrice, culminând cu tehnici moderne precum rețelele neuronale convoluționale (CNN) și regresia prin procese Gaussiene. Un element distinctiv, rar întâlnit în alte lucrări precum Pattern Recognition and Classification de Geoff Dougherty, este capitolul extins dedicat estimării erorii clasificatorului. Această secțiune oferă o perspectivă tehnică critică asupra validării modelelor, esențială pentru orice specialist care dorește să evite supra-ajustarea (overfitting).
Găsim în această carte un echilibru remarcabil între teoremă și cod. Exemplele nu sunt pur teoretice, ci utilizează seturi de date reale din bioinformatică și informatica materialelor. Toate graficele și exercițiile de la finalul capitolelor sunt susținute de scripturi Python și biblioteca scikit-learn, disponibile online. Această integrare practică transformă volumul dintr-un simplu manual într-un instrument de lucru activ. Stilul este concis, fără a sacrifica profunzimea, fiind ideal pentru cei care preferă o documentație tehnică densă și aplicată în detrimentul descrierilor narative lungi.
Preț: 329.84 lei
Preț vechi: 412.30 lei
-20%
Carte tipărită la comandă
Livrare economică 08-22 iunie
Specificații
ISBN-10: 3030276589
Pagini: 357
Ilustrații: XVIII, 357 p. 84 illus., 73 illus. in color.
Dimensiuni: 178 x 254 mm
Greutate: 0.71 kg
Ediția:1st ed. 2020
Editura: Springer International Publishing
Colecția Springer
Locul publicării:Cham, Switzerland
V-ar putea interesa
-
Machine LearningKevin P. Murphy-22%Preț: 684.02 lei875.14 lei -
Probabilistic Machine LearningKevin P. Murphy-22%Preț: 798.94 lei1029.65 lei -
Understanding Deep LearningSimon J. D. Prince-30%Preț: 578.77 lei826.42 lei -
Gaussian Processes for Machine LearningCarl Edward Rasmussen-28%Preț: 328.45 lei454.99 lei -
Pattern Recognition and Machine LearningChristopher M. Bishop-20%Preț: 556.01 lei695.02 lei -
The Elements of Statistical LearningJerome Friedman-20%Preț: 513.14 lei641.42 lei -
-40%Preț: 369.43 lei616.25 lei -
-32%Preț: 581.46 lei858.78 lei -
Pattern ClassificationRichard O Duda-23%Preț: 972.44 lei1262.90 lei -
Pattern RecognitionM Narasimha Murty-20%Preț: 237.96 lei297.45 lei -
-18%Preț: 688.22 lei839.29 lei -
Machine Learning: An Algorithmic Perspective, Second EditionStephen Marsland-20%Preț: 595.60 lei744.50 lei -
-20%Preț: 233.03 lei291.29 lei -
Practical Deep Learning, 2nd Edition: A Python-Based IntroductionRonald T. Kneusel-36%Preț: 312.37 lei491.52 lei -
Applied Machine LearningDavid Forsyth-20%Preț: 578.33 lei722.91 lei -
Materials Data ScienceStefan Sandfeld-15%Preț: 573.37 lei674.56 lei -
Probability and Statistics for Machine LearningCharu C. Aggarwal-20%Preț: 431.76 lei539.69 lei -
Mathematical Introduction to Data ScienceSven A. Wegner-20%Preț: 545.29 lei681.61 lei -
Multivariate Analysis and Machine Learning TechniquesSrikrishnan Sundararajan-20%Preț: 531.47 lei664.34 lei
De ce să citești această carte
Această carte se adresează studenților de la masterat și inginerilor care caută un fundament matematic solid dublat de experiență practică în codare. Spre deosebire de alte ghiduri, acest volum oferă acces direct la scripturile Python folosite pentru generarea rezultatelor, permițând cititorului să experimenteze imediat cu algoritmii. Câștigați o înțelegere profundă a modului în care se estimează erorile de clasificare, o competență rară, dar vitală în mediul profesional actual.
Despre autor
Ulisses Braga-Neto este profesor și cercetător în cadrul Departamentului de Inginerie Electrică și de Calcul de la Texas A&M University. Cu o carieră dedicată procesării semnalelor și recunoașterii formelor, acesta a dezvoltat cursuri fundamentale care au stat la baza acestui volum. Expertiza sa este recunoscută în special în domeniul bioinformaticii, unde aplică învățarea automată pentru analiza datelor biologice complexe. Această dublă specializare, academică și aplicată, îi permite să ofere o perspectivă riguroasă asupra algoritmilor de clasificare și estimare. Prin Fundamentals of Pattern Recognition and Machine Learning, autorul transformă experiența sa de peste un deceniu de predare într-o resursă esențială pentru noua generație de specialiști în inteligență artificială.
Descriere scurtă
The book is intended to be concise but thorough. It does not attempt an encyclopedic approach, but covers in significant detail the tools commonly used in pattern recognition and machine learning, including classification, dimensionality reduction, regression, and clustering, as well as recent popular topics such as Gaussian process regression and convolutional neural networks. In addition, the selection of topics has a few features that are unique among comparable texts: it contains an extensive chapter on classifiererror estimation, as well as sections on Bayesian classification, Bayesian error estimation, separate sampling, and rank-based classification. The book is mathematically rigorous and covers the classical theorems in the area. Nevertheless, an effort is made in the book to strike a balance between theory and practice. In particular, examples with datasets from applications in bioinformatics and materials informatics are used throughout to illustrate the theory. These datasets are available from the book website to be used in end-of-chapter coding assignments based on python and scikit-learn. All plots in the text were generated using python scripts, which are also available on the book website.