설명
확률적 기계 학습: 소개는 확률적 모델링과 베이지안 의사 결정 이론의 통합적 관점을 통해 기계 학습, 특히 심층 학습에 대한 상세하고 최신의 소개를 제공합니다. 이 책은 선형 대수 및 최적화와 같은 필수 수학적 배경을 다루고, 선형 회귀 및 로지스틱 회귀와 같은 기본 감독 학습 기법과 심층 신경망을 탐구합니다. 전이 학습 및 비감독 학습과 같은 더 고급 주제도 논의됩니다.
더 읽기
각 장의 끝에는 학생들이 배운 내용을 적용할 수 있는 연습 문제가 있어, 자료에 대한 이해를 강화합니다. 부록에서는 본문에서 사용된 표기법에 대한 포괄적인 개요를 제공합니다. 이 책은 저자의 이전 저작인 기계 학습: 확률적 관점의 단순한 업데이트가 아니라, 2012년 이후 이 분야에서의 중요한 발전, 특히 심층 학습을 반영한 완전히 새로운 텍스트입니다.
이 책과 함께 제공되는 온라인 Python 코드는 scikit-learn, JAX, PyTorch 및 TensorFlow와 같은 라이브러리를 활용합니다. 이 코드는 독자가 책에 제시된 거의 모든 그림을 재현할 수 있게 하며, 클라우드 기반 노트북을 사용하여 웹 브라우저 내에서 실행할 수 있습니다. 이 실용적인 자원은 논의된 이론적 주제를 보완하여 학습자에게 귀중한 도구가 됩니다.
구글의 연구 과학자인 케빈 P. 머피가 저술한 이 책은 인공지능 및 기계 학습에 관심 있는 학생 및 전문가를 대상으로 합니다. 이 책은 입문서로, 더 고급 주제를 다루는 후속편이 예정되어 있으며, 동일한 확률적 접근 방식을 유지합니다.
- 카테고리기타 AI 도구
도서 정보
저자: 케빈 P. 머피
출판 연도: 2022
페이지 수: 864
사용 가능한 형식: 하드커버, 전자책
출판사: MIT 프레스
ISBN: 9780262046824
전자책 ISBN: 9780262369305
시리즈: 적응 계산 및 기계 학습
이 책의 대상 독자
- 기계 학습 학습
- 심층 학습 응용
- 확률적 모델링
- 교육 자료
- 실용적인 코딩
