Descripción
Matemáticas para el Aprendizaje Automático es un libro completo escrito por Marc Peter Deisenroth, A. Aldo Faisal y Cheng Soon Ong, publicado por Cambridge University Press en 2020. El libro sirve como un recurso fundamental para las personas interesadas en el aprendizaje automático, centrándose en los principios matemáticos que sustentan el campo. Se divide en dos partes: Fundamentos Matemáticos y Problemas Centrales de Aprendizaje Automático.
Leer más
La primera parte cubre temas esenciales como álgebra lineal, geometría analítica, descomposiciones de matrices, cálculo vectorial, probabilidad y distribución, y optimización continua. Estos temas proporcionan la base necesaria para comprender los algoritmos de aprendizaje automático.
La segunda parte del libro profundiza en problemas específicos de aprendizaje automático, incluyendo regresión lineal, reducción de dimensionalidad con análisis de componentes principales, estimación de densidad con modelos de mezcla gaussiana y clasificación con máquinas de soporte vectorial. El libro está diseñado para ser conciso, ofreciendo una introducción clara y accesible a los conceptos matemáticos requeridos para el aprendizaje automático.
Matemáticas para el Aprendizaje Automático está disponible en formato PDF, con recursos adicionales como tutoriales y ejercicios proporcionados para mejorar el aprendizaje. El libro es altamente recomendado por expertos en el campo, incluyendo a Joelle Pineau de la Universidad McGill y Facebook, Christopher Bishop de Microsoft Research Cambridge, y Pieter Abbeel de la Universidad de California, Berkeley. Es adecuado tanto para principiantes en aprendizaje automático como para investigadores e ingenieros que buscan un texto de referencia.
- CategoríaEducación e investigación
Detalles del libro
Fundamentos matemáticos para el aprendizaje automático
Álgebra lineal y geometría analítica
Descomposiciones de matrices y cálculo vectorial
Probabilidad y distribución
Técnicas de optimización continua
Algoritmos de aprendizaje automático explicados
Regresión lineal y PCA
Modelos de mezcla gaussiana y SVM
Para quién es este libro
- Recurso educativo
- Texto de referencia
- Desarrollo de habilidades
- Tutoriales
- Comprensión de algoritmos
