1 szt.
![](<img src="https://static4.redcart.pl/templates/images/thumb/47273/150/150/pl/0/templates/images/products/47273/15-48399A01427KS_0.jpg" alt="Podstawy matematyki w data science." title="Podstawy matematyki w data science." class="rc_button" onmouseover="this.className='rc_button_hover'" onmouseout="this.className='rc_button'" data-itemprop="image" loading="lazy" />)
Produkt dostępny!
15 szt.Podstawy matematyki w data science.
47,62
PLN
Cena rynkowa: 69.00 PLN
X
-
Załączniki bezpieczeństwa
Załczniki do produktuZałączniki dotyczące bezpieczeństwa produktu zawierają informacje o opakowaniu produktu i mogą dostarczać kluczowych informacji dotyczących bezpieczeństwa konkretnego produktu
-
Informacje o producencie
Informacje o producencieInformacje dotyczące produktu obejmują adres i powiązane dane producenta produktu.helion
-
Osoba odpowiedzialna w UE
Osoba odpowiedzialna w UEPodmiot gospodarczy z siedzibą w UE zapewniający zgodność produktu z wymaganymi przepisami.
Uczenie maszynowe staje się wszechobecne. Dzięki coraz lepszym narzędziom służącym do tworzenia aplikacji szczegóły techniczne związane z obliczeniami i modelami matematycznymi są często pomijane przez projektantów. Owszem, to wygodne podejście, ale wiąże się z ryzykiem braku świadomości co do wszystkich konsekwencji wybranych rozwiązań projektowych, szczególnie ich mocnych i słabych stron. A zatem bez ugruntowanych podstaw matematyki nie można mówić o profesjonalnym podejściu do uczenia maszynowego.
Ten podręcznik jest przeznaczony dla osób, które chcą dobrze zrozumieć matematyczne podstawy uczenia maszynowego i nabrać praktycznego doświadczenia w używaniu pojęć matematycznych. Wyjaśniono tutaj stosowanie szeregu technik matematycznych, takich jak algebra liniowa, geometria analityczna, rozkłady macierzy, rachunek wektorowy, optymalizacja, probabilistyka i statystyka. Następnie zaprezentowano matematyczne aspekty czterech podstawowych metod uczenia maszynowego: regresji liniowej, analizy głównych składowych, modeli mieszanin rozkładów Gaussa i maszyn wektorów nośnych. W każdym rozdziale znalazły się przykłady i ćwiczenia ułatwiające przyswojenie materiału.
W książce między innymi:
* podstawy algebry: układy równań, macierze, przestrzenie afiniczne
* rachunek prawdopodobieństwa, sprzężenia, optymalizacja
* wnioskowanie z wykorzystaniem różnego rodzaju modeli
* regresja liniowa i redukcja wymiarowości
* maszyna wektorów nośnych i rozwiązania numeryczne
Matematyka: koniecznie, jeśli chcesz zrozumieć istotę sztucznej inteligencji!
Ten podręcznik jest przeznaczony dla osób, które chcą dobrze zrozumieć matematyczne podstawy uczenia maszynowego i nabrać praktycznego doświadczenia w używaniu pojęć matematycznych. Wyjaśniono tutaj stosowanie szeregu technik matematycznych, takich jak algebra liniowa, geometria analityczna, rozkłady macierzy, rachunek wektorowy, optymalizacja, probabilistyka i statystyka. Następnie zaprezentowano matematyczne aspekty czterech podstawowych metod uczenia maszynowego: regresji liniowej, analizy głównych składowych, modeli mieszanin rozkładów Gaussa i maszyn wektorów nośnych. W każdym rozdziale znalazły się przykłady i ćwiczenia ułatwiające przyswojenie materiału.
W książce między innymi:
* podstawy algebry: układy równań, macierze, przestrzenie afiniczne
* rachunek prawdopodobieństwa, sprzężenia, optymalizacja
* wnioskowanie z wykorzystaniem różnego rodzaju modeli
* regresja liniowa i redukcja wymiarowości
* maszyna wektorów nośnych i rozwiązania numeryczne
Matematyka: koniecznie, jeśli chcesz zrozumieć istotę sztucznej inteligencji!
Szczegóły produktu
-
Autor:
Deisenroth Marc Peter, Faisal A. Aldo, Soon Ong Cheng
-
Format:
20.0x22.8cm
-
ISBN:
9788328384590
-
Objętość:
416
-
Oprawa:
Miękka
-
Rok wydania:
2022
-
Tematyka:
Matematyka
Polecamy także
15 szt.