Author(s) Shai Shalev-Shwartz and Shai
Ben-David
PDF (449 pages, 2.5 MB)
L'apprentissage automatique fait appel à des programmes informatiques pour détecter des motifs significatifs dans des données complexes. C'est l'un des domaines de l'informatique qui connaît la croissance la plus rapide, avec des applications de grande envergure. Ce livre explique les principes derrière l'approche d'apprentissage automatisé et les considérations qui sous-tendent son utilisation. Les auteurs expliquent les «comment» et les «pourquoi» des algorithmes les plus importants d'apprentissage mécanique, ainsi que leurs forces et faiblesses inhérentes, rendant le champ accessible aux étudiants et praticiens de l'informatique, des statistiques et de l'ingénierie.
Le but de ce manuel est d'introduire l'apprentissage automatique, et les paradigmes algorithmiques qu'il propose, d'une manière raisonnée. Le livre fournit un compte rendu théorique étendu des idées fondamentales sous-jacentes à l'apprentissage machine et les dérivations mathématiques qui transforment ces principes en algorithmes pratiques.
Après une présentation des bases du domaine, le livre couvre un large éventail de sujets centraux qui n'ont pas été abordés par les manuels précédents. Ceux-ci incluent une discussion de la complexité computationnelle de l'apprentissage et des concepts de convexité et de stabilité; Les paradigmes algorithmiques importants, y compris la descente en gradient stochastique, les réseaux de neurones et l'apprentissage structuré en sortie; Et les concepts théoriques émergents tels que l'approche PAC-Bayes et les limites basées sur la compression. Conçu pour un diplôme de premier cycle avancé ou débutant, le texte rend les fondamentaux et les algorithmes de l'apprentissage automatique accessible aux étudiants et aux lecteurs non spécialisés en statistique, en informatique, en mathématiques et en génie.
Download from
0 التعليقات:
إرسال تعليق