Beschreibung
Mathematik für maschinelles Lernen ist ein umfassendes Buch, das von Marc Peter Deisenroth, A. Aldo Faisal und Cheng Soon Ong verfasst wurde und 2020 von Cambridge University Press veröffentlicht wurde. Das Buch dient als grundlegende Ressource für Personen, die sich für maschinelles Lernen interessieren, und konzentriert sich auf die mathematischen Prinzipien, die dem Bereich zugrunde liegen. Es ist in zwei Teile gegliedert: Mathematische Grundlagen und zentrale Probleme des maschinellen Lernens.
Weiterlesen
Der erste Teil behandelt wesentliche Themen wie lineare Algebra, analytische Geometrie, Matrixzerlegungen, Vektorrechnung, Wahrscheinlichkeit und Verteilung sowie kontinuierliche Optimierung. Diese Themen bieten das notwendige Fundament für das Verständnis von Algorithmen des maschinellen Lernens.
Der zweite Teil des Buches befasst sich mit spezifischen Problemen des maschinellen Lernens, einschließlich linearer Regression, Dimensionsreduktion mit Hauptkomponentenanalyse, Dichteschätzung mit Gaußschen Mischmodellen und Klassifikation mit Support-Vektor-Maschinen. Das Buch ist so konzipiert, dass es prägnant ist und eine klare und zugängliche Einführung in die mathematischen Konzepte bietet, die für das maschinelle Lernen erforderlich sind.
Mathematik für maschinelles Lernen ist im PDF-Format erhältlich, mit zusätzlichen Ressourcen wie Tutorials und Übungen, die das Lernen unterstützen. Das Buch wird von Experten auf dem Gebiet, darunter Joelle Pineau von der McGill University und Facebook, Christopher Bishop von Microsoft Research Cambridge und Pieter Abbeel von der University of California, Berkeley, sehr empfohlen. Es ist sowohl für Neulinge im Bereich des maschinellen Lernens als auch für Forscher und Ingenieure geeignet, die ein Referenzwerk suchen.
- KategorieBildung & Forschung
Buchdetails
Mathematische Grundlagen für maschinelles Lernen
Lineare Algebra und analytische Geometrie
Matrixzerlegungen und Vektorrechnung
Wahrscheinlichkeit und Verteilung
Techniken der kontinuierlichen Optimierung
Erklärung von Algorithmen des maschinellen Lernens
Lineare Regression und PCA
Gaußsche Mischmodelle und SVM
Für wen dieses Buch ist
- Bildungsressource
- Referenztext
- Fähigkeiten entwickeln
- Tutorials
- Algorithmusverständnis
