Cantitate/Preț
Produs
Total produse
Vezi coșul
Machine Learning Refined: Foundations, Algorithms, and Applications de Jeremy Watt

Machine Learning Refined: Foundations, Algorithms, and Applications

Autor Jeremy Watt, Reza Borhani, Aggelos K. Katsaggelos
en Limba Engleză Hardback – 8 ian 2020

Ca și Sergios Theodoridis în Machine Learning, autorii acestui volum distilează experiența reală în principii acționabile, însă propun o abordare mult mai vizuală și axată pe intuiția geometrică. Apreciem în Machine Learning Refined modul în care complexitatea algoritmilor este descompusă prin cele 316 ilustrații color, transformând abstracțiile matematice în concepte tangibile. Această a doua ediție, publicată de Cambridge University Press, reușește să elimine barierele dintre teorie și implementare prin cele peste 100 de exerciții practice în Python.

Descoperim aici o structură riguroasă, organizată progresiv pentru a asigura o bază solidă. Lucrarea debutează cu o secțiune dedicată optimizării matematice (metode de ordin zero, unu și doi), un fundament adesea trecut cu vederea, dar esențial pentru înțelegerea mecanicii interne a modelelor. Progresia continuă firesc spre învățarea liniară (regresie, clasificare și învățare nesupervizată), culminând cu tehnici avansate de învățare neliniară, unde sunt explicate rețelele neuronale complet conectate și metodele bazate pe arbori de decizie.

Spre deosebire de manualele pur teoretice, acest text integrează aplicații din domenii variate, de la viziune computerizată la economie și biologie, oferind contextul necesar pentru cercetare sau dezvoltarea de produse bazate pe date. Includerea unor anexe detaliate despre algebra liniară și diferențierea automată transformă volumul într-o resursă completă pentru studiul individual, eliminând nevoia de a consulta multiple surse externe pentru a înțelege fundamentele matematice.

Citește tot Restrânge

Preț: 46884 lei

Preț vechi: 50961 lei
-8%

Puncte Express: 703

Carte disponibilă

Livrare economică 06-20 mai
Livrare express 21-25 aprilie pentru 6538 lei

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781108480727
ISBN-10: 1108480721
Pagini: 594
Ilustrații: 316 colour illus. 127 exercises
Dimensiuni: 183 x 255 x 29 mm
Greutate: 1.32 kg
Ediția:Revizuită
Editura: Cambridge University Press
Colecția Cambridge University Press
Locul publicării:Cambridge, United Kingdom

De ce să citești această carte

Această carte este ideală pentru studenții la masterat și profesioniștii care doresc o înțelegere profundă, nu doar superficială, a algoritmilor de învățare automată. Cititorul câștigă capacitatea de a construi modele de la zero, beneficiind de un echilibru rar între rigoarea matematică și implementarea practică în Python. Este un instrument esențial pentru oricine vrea să facă tranziția de la utilizarea unor biblioteci software la inovarea în designul algoritmic.

Despre autor

Jeremy Watt a obținut doctoratul în Știința Calculatoarelor și Inginerie Electrică la Universitatea Northwestern din Illinois. Expertiza sa se concentrează pe intersecția dintre învățarea automată, viziunea computerizată și optimizarea numerică. Alături de Reza Borhani și Aggelos K. Katsaggelos, acesta aduce o perspectivă academică de înalt nivel, rafinată prin cercetare aplicată, oferind cititorilor o metodologie clară de abordare a problemelor complexe de prelucrare a datelor.

Descriere scurtă

With its intuitive yet rigorous approach to machine learning, this text provides students with the fundamental knowledge and practical tools needed to conduct research and build data-driven products. The authors prioritize geometric intuition and algorithmic thinking, and include detail on all the essential mathematical prerequisites, to offer a fresh and accessible way to learn. Practical applications are emphasized, with examples from disciplines including computer vision, natural language processing, economics, neuroscience, recommender systems, physics, and biology. Over 300 color illustrations are included and have been meticulously designed to enable an intuitive grasp of technical concepts, and over 100 in-depth coding exercises (in Python) provide a real understanding of crucial machine learning algorithms. A suite of online resources including sample code, data sets, interactive lecture slides, and a solutions manual are provided online, making this an ideal text both for graduate courses on machine learning and for individual reference and self-study.

Cuprins

1. Introduction to machine learning; Part I. Mathematical Optimization: 2. Zero order optimization techniques; 3. First order methods; 4. Second order optimization techniques; Part II. Linear Learning: 5. Linear regression; 6. Linear two-class classification; 7. Linear multi-class classification; 8. Linear unsupervised learning; 9. Feature engineering and selection; Part III. Nonlinear Learning: 10. Principles of nonlinear feature engineering; 11. Principles of feature learning; 12. Kernel methods; 13. Fully-connected neural networks; 14. Tree-based learners; Part IV. Appendices: Appendix A. Advanced first and second order optimization methods; Appendix B. Derivatives and automatic differentiation; Appendix C. Linear algebra.

Recenzii

'This is a comprehensive textbook on the fundamental concepts of machine learning. In the second edition, the authors provide a very accessible introduction to the main ideas behind machine learning models.' Helena Mihaljević, zbMATH
'Some machine learning books cover only programming aspects, often relying on outdated software tools; some focus exclusively on neural networks; others, solely on theoretical foundations; and yet more books detail advanced topics for the specialist. This fully revised and expanded text provides a broad and accessible introduction to machine learning for engineering and computer science students. The presentation builds on first principles and geometric intuition, while offering real-world examples, commented implementations in Python, and computational exercises. I expect this book to become a key resource for students and researchers.' Osvaldo Simeone, Kings College London
'This book is great for getting started in machine learning. It builds up the tools of the trade from first principles, provides lots of examples, and explains one thing at a time at a steady pace. The level of detail and runnable code show what's really going when we run a learning algorithm.' David Duvenaud, University of Toronto
'This book covers various essential machine learning methods (e.g., regression, classification, clustering, dimensionality reduction, and deep learning) from a unified mathematical perspective of seeking the optimal model parameters that minimize a cost function. Every method is explained in a comprehensive, intuitive way, and mathematical understanding is aided and enhanced with many geometric illustrations and elegant Python implementations.' Kimiaki Sihrahama, Kindai University, Japan
'Books featuring machine learning are many, but those which are simple, intuitive, and yet theoretical are extraordinary 'outliers'. This book is a fantastic and easy way to launch yourself into the exciting world of machine learning, grasp its core concepts, and code them up in Python or Matlab. It was my inspiring guide in preparing my 'Machine Learning Blinks' on my BASIRA YouTube channel for both undergraduate and graduate levels.' Islem Rekik, Director of the Brain And SIgnal Research and Analysis (BASIRA) Laboratory
'With its intuitive yet rigorous approach to machine learning, this text provides students with the fundamental knowledge and practical tools needed to conduct research and build data-driven products. The authors prioritize geometric intuition and algorithmic thinking, and include detail on all the essential mathematical prerequisites, to offer a fresh and accessible way to learn. Practical applications are emphasized, with examples from disciplines including computer vision, natural language processing, economics, neuroscience, recommender systems, physics, and biology. Over 300 color illustrations are included and have been meticulously designed to enable an intuitive grasp of technical concepts, and over 100 in-depth coding exercises (in Python) provide a real understanding of crucial machine learning algorithms. A suite of online resources including sample code, data sets, interactive lecture slides, and a solutions manual are provided online, making this an ideal text both for graduate courses on machine learning and for individual reference and self-study.' politcommerce.com
'This is a comprehensive textbook on the fundamental concepts of machine learning. In the second edition, the authors provide a very accessible introduction to the main ideas behind machine learning models.' Helena Mihaljević, zbMATH

Descriere

An intuitive approach to machine learning covering key concepts, real-world applications, and practical Python coding exercises.