설명
기계 학습을 위한 수학은 Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong이 저술하고 2020년 케임브리지 대학교 출판부에서 출판한 종합적인 책입니다. 이 책은 기계 학습에 관심이 있는 개인을 위한 기초 자료로, 이 분야의 기초가 되는 수학적 원리에 중점을 두고 있습니다. 이 책은 수학적 기초와 중앙 기계 학습 문제라는 두 부분으로 나뉘어 있습니다.
더 읽기
첫 번째 부분에서는 선형 대수학, 해석 기하학, 행렬 분해, 벡터 미적분학, 확률 및 분포, 연속 최적화와 같은 필수 주제를 다룹니다. 이러한 주제는 기계 학습 알고리즘을 이해하는 데 필요한 기초를 제공합니다.
책의 두 번째 부분에서는 선형 회귀, 주성분 분석을 통한 차원 축소, 가우시안 혼합 모델을 통한 밀도 추정, 서포트 벡터 머신을 통한 분류와 같은 특정 기계 학습 문제를 깊이 있게 다룹니다. 이 책은 간결하게 설계되어 기계 학습에 필요한 수학적 개념에 대한 명확하고 접근 가능한 소개를 제공합니다.
기계 학습을 위한 수학은 PDF 형식으로 제공되며, 학습을 향상시키기 위한 추가 자료로 튜토리얼과 연습 문제가 제공됩니다. 이 책은 McGill 대학교와 Facebook의 Joelle Pineau, Microsoft Research Cambridge의 Christopher Bishop, University of California, Berkeley의 Pieter Abbeel을 포함한 분야의 전문가들에 의해 강력히 추천됩니다. 기계 학습에 처음 접하는 사람들과 참고 자료를 찾는 연구자 및 엔지니어 모두에게 적합합니다.
- 카테고리교육 및 연구
도서 정보
기계 학습을 위한 수학적 기초
선형 대수학 및 해석 기하학
행렬 분해 및 벡터 미적분학
확률 및 분포
연속 최적화 기법
설명된 기계 학습 알고리즘
선형 회귀 및 PCA
가우시안 혼합 모델 및 SVM
이 책의 대상 독자
- 교육 자료
- 참고 자료
- 기술 개발
- 튜토리얼
- 알고리즘 이해
