Идеи машинного обучения. От теории к алгоритмам, пер. с англ.

書目詳細資料
主要作者:	Шалев-Шварц Ш. Шай
其他作者:	Бен-Давид Ш. Шай
總結:	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, РАС-байесовский подход и границы сжатия. Издание ориентировано на студентов старших курсов, обучающихся информатике, техническим наукам, математике или статистике, а также может быть полезно исследователям, желающим углубить свои теоретические знания. Предполагается, что читатель знаком с основами теории вероятностей, линейной алгебры, математического анализа и теории алгоритмов.
語言:	俄语
出版:	Москва, ДМК Пресс, 2019
主題:	формальные модели обучаемость равномерная сходимость смещение сложность компромиссы VC-размерность неравномерная обучаемость время обучения линейные предикторы регуляризация стохастический градиентный спуск метод опорных векторов ядерные методы многоклассовая категоризация ранжирование предсказание онлайновое обучение кластеризация радемахеровская сложность PAC-байесовский подход
格式:	圖書
KOHA link:	https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=343965