Analýza vysokorozměrných dat pomocí nízkorozměrných modelů: Principy, výpočty a aplikace

Recenze čtenářů

Kniha je vysoce oceňována pro srozumitelné vysvětlení složitých pojmů z oblasti inteligence a strojového učení, zejména ve vztahu k analýze vysokorozměrných dat. Čtenáři oceňují její vyváženost intuice a přísnosti, stejně jako přehledný obsah a inspirativní příklady.

Jasné vyložení filozofických předpokladů, hluboké pochopení principů inteligence, užitečné pro akademický úspěch v oblasti umělé inteligence, dobře napsané a pronikavé zdůvodnění, vzrušující příklady aplikací.

V recenzích nejsou uvedeny žádné konkrétní zápory.

(na základě 4 hodnocení čtenářů)

Původní název:

High-Dimensional Data Analysis with Low-Dimensional Models: Principles, Computation, and Applications

Obsah knihy:

Tento systematický a důkladný úvod, který propojuje teorii s praxí, se zabývá základními principy, algoritmy a aplikacemi klíčových matematických modelů pro analýzu vysokorozměrných dat. Komplexní přístup poskytuje jednotné pokrytí mnoha různých nízkorozměrových modelů a analytických technik, včetně řídkých a nízkořádkových modelů a konvexních i nekonvexních formulací.

Čtenáři se naučí, jak vyvíjet efektivní a škálovatelné algoritmy pro řešení reálných problémů, což je v celém textu podpořeno četnými příklady a cvičeními, a jak využívat naučené výpočetní nástroje v několika aplikačních kontextech. Představené aplikace zahrnují vědecké zobrazování, komunikaci, rozpoznávání obličejů, 3D vidění a hluboké sítě pro klasifikaci.

Díky kódu dostupnému online se jedná o ideální učebnici pro studenty vyšších ročníků a postgraduální studenty elektrotechniky, informatiky a datové vědy, stejně jako pro ty, kteří navštěvují kurzy o řídkosti, nízkorozměrných strukturách a vysokodimenzionálních datech. Předmluvu napsal Emmanuel Cands.