Recenze čtenářů
Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 4 hlasů.
Původní název:
Applied Machine Learning
Obsah knihy:
Metody strojového učení jsou dnes důležitým nástrojem pro vědce, výzkumníky, inženýry a studenty v celé řadě oblastí. Tato kniha je napsána pro lidi, kteří si chtějí osvojit a používat hlavní nástroje strojového učení, ale nechtějí se nutně stát výzkumníky v oblasti strojového učení. Tato učebnice je určena studentům posledního ročníku bakalářského studia nebo prvního ročníku magisterského studia informatiky v oboru strojového učení. Aplikované strojové učení pokrývá mnoho témat pro lidi, kteří chtějí využívat procesy strojového učení k práci, přičemž je kladen velký důraz na používání existujících nástrojů a balíčků spíše než na psaní vlastního kódu.
Tato kniha, která je doplňkem autorovy knihy Pravděpodobnost a statistika pro informatiku, navazuje tam, kde předchozí kniha skončila (ale dodává také shrnutí pravděpodobnosti, které může čtenář použít).
Tato učebnice, která klade důraz na užitečnost standardních strojů z aplikované statistiky, poskytuje přehled hlavních aplikovaných oblastí ve vzdělávání, včetně pokrytí: - klasifikace pomocí standardních mechanismů (naivní Bayes; nejbližší soused; SVM) - shlukování a kvantizace vektorů (z velké části jako v PSCS) - PCA (z velké části jako v PSCS) - varianty PCA (NIPALS; latentní sémantická analýza; lineární regrese (z velké části jako v PSCS) - zobecněné lineární modely včetně logistické regrese - výběr modelů pomocí Lasso, elasticnet - robustnost a m-odhadce - Markovovy řetězce a HMM (z velké části jako v PSCS) - EM poměrně podrobně; dlouholetá zkušenost s výukou naznačuje, že je zapotřebí jeden podrobný příklad, který studenti nesnášejí; ale jakmile si ho projdou, další je snadný- jednoduché grafické modely (v části o variační inferenci)- klasifikace pomocí neuronových sítí, se zvláštním důrazem na klasifikaci obrázků- automatické kódování pomocí neuronových sítí- učení struktur.
