Učíme se s jádry: Knížka s jádry: stroje s podpůrnými vektory, regularizace, optimalizace a další.

Recenze čtenářů

Kniha poskytuje ucelený a podrobný výklad o metodách podpůrných vektorů (Support Vector Machines, SVM) a jádrových metodách, takže je vhodná pro ty, kteří mají solidní základy v příslušných matematických disciplínách. Pro začátečníky však může být vzhledem k pokročilé matematice a některým opomenutím v pokrytí problematiky zdrcující.

⬤ Důkladné pokrytí klíčových oblastí SVM a jaderných metod
⬤ napsané uznávanými odborníky
⬤ rozsáhlé příklady a odkazy
⬤ přehledné kapitoly, které umožňují nelineární čtení
⬤ vhodné pro postgraduální studenty a výzkumné pracovníky
⬤ hloubkové matematické zpracování teorie SVM.

⬤ Není vhodná pro začátečníky
⬤ vyžaduje silné základy funkční analýzy, pravděpodobnosti a optimalizace
⬤ některé kapitoly a přílohy mohou být pro ty, kteří nemají odpovídající znalosti, nedostatečné
⬤ několik překlepů a chyb v tvrzeních
⬤ kniha začíná být s rozvojem oboru zastaralá.

(na základě 19 hodnocení čtenářů)

Původní název:

Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond

Obsah knihy:

Komplexní úvod do metody podpůrných vektorů a souvisejících jaderných metod. V 90.

letech 20. století byl na základě výsledků statistické teorie učení vyvinut nový typ učebního algoritmu: Support Vector Machine (SVM). Vznikla tak nová třída teoreticky elegantních učících se strojů, které využívají ústřední koncept SVM--jádra--pro řadu učebních úloh.

Jádrové stroje poskytují modulární rámec, který lze přizpůsobit různým úlohám a doménám volbou jádrové funkce a základního algoritmu. Nahrazují neuronové sítě v řadě oblastí, včetně inženýrství, vyhledávání informací a bioinformatiky.

Kniha Učení s jádry poskytuje úvod do SVM a souvisejících jaderných metod. Přestože kniha začíná základy, zahrnuje také nejnovější výzkum.

Poskytuje všechny pojmy nezbytné k tomu, aby čtenář vybavený základními matematickými znalostmi mohl vstoupit do světa strojového učení s využitím teoreticky dobře podložených a přitom snadno použitelných jaderných algoritmů a pochopit a použít výkonné algoritmy, které byly vyvinuty v posledních několika letech.