aaaa
Télécharger

Mathématiques pour l’apprentissage automatique par Marc Peter Deisenroth

Téléchargement gratuit Mathematics for Machine Learning par Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong. Publié par Cambridge University Press. anglais | 398 pages | PDF | ISBN : 110845514X

Vous pouvez également télécharger GRATUITEMENT Instagram pour les nuls (Pour les nuls (Informatique/Tech))

La description

Les outils mathématiques fondamentaux nécessaires pour comprendre l’apprentissage automatique comprennent l’algèbre linéaire, la géométrie analytique, les décompositions matricielles, le calcul vectoriel, l’optimisation, les probabilités et les statistiques.

Ces sujets sont traditionnellement enseignés dans des cours disparates, ce qui rend difficile pour les étudiants en science des données ou en informatique, ou les professionnels, d’apprendre efficacement les mathématiques.

Ce manuel autonome comble le fossé entre les textes mathématiques et d’apprentissage automatique, introduisant les concepts mathématiques avec un minimum de prérequis.

Il utilise ces concepts pour dériver quatre méthodes centrales d’apprentissage automatique : la régression linéaire, l’analyse en composantes principales, les modèles de mélange gaussien et les machines à vecteurs de support.

Pour les étudiants et les autres personnes ayant une formation en mathématiques, ces dérivations fournissent un point de départ aux textes d’apprentissage automatique.

Pour ceux qui apprennent les mathématiques pour la première fois, les méthodes aident à développer l’intuition et l’expérience pratique de l’application des concepts mathématiques.

Chaque chapitre comprend des exemples travaillés et des exercices pour tester la compréhension.

Ce que vous apprendrez

  • Une présentation unique de tout le bagage mathématique nécessaire à l’apprentissage automatique
  • Des exemples travaillés facilitent la compréhension de la théorie et renforcent à la fois l’expérience pratique et l’intuition
  • Explique les méthodes d’apprentissage automatique central : régression linéaire, analyse en composantes principales, modèles de mélange gaussien et machines à vecteurs de support

Bouton retour en haut de la page