Идеи машинного обучения
Машинное обучение — один из самых быстро развивающихся разделов информатики, с приложениями в самых разных областях. Цель этой книги — познакомить читателя с фундаментальными принципами машинного обучения и характерными для него алгоритмическими парадигмами.
Книга содержит обширный свод основополагающих теоретических идей машинного обучения и математические выкладки, благодаря которым эти идеи становятся практическими алгоритмами. Вслед за изложением базовых основ дисциплины рассматривается широкий спектр тем, не нашедших достаточного отражения в предшествующих учебниках: вычислительная сложность обучения, понятия выпуклости и устойчивости, важные алгоритмы, включая стохастический градиентный спуск, нейронные сети и обучение структурированному выводу, а также совсем недавние теоретические концепции, например, PAC-байесовский подход и границы сжатия.
Книга задумывалась как повышенный курс для студентов средних и старших курсов, фундаментальные основы и алгоритмы машинного обучения излагаются в форме, доступной студентам и читателям, не являющимся специалистами в области математической статистики, информатики, математики и технических дисциплин.
Фундаментальные основы и алгоритмы машинного обучения
Книга посвящена теоретическим основам машинного обучения и алгоритмам, связывающим математические идеи с практическими методами решения задач. Рассматриваются вычислительная сложность обучения, выпуклость и устойчивость, стохастический градиентный спуск, нейронные сети, обучение структурированному выводу, PAC-байесовский подход и границы сжатия. Материал рассчитан на студентов средних и старших курсов, а также читателей без специальной подготовки в математической статистике, информатике и математике.
