• Uczenie maszynowe. Elementy matematyki w analizie danych

Uczenie maszynowe (ML) i sztuczna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco tajemnicze, futurystyczne i przede wszystkim wymagające posiadania dość sporej wiedzy i umiejętności matematycznych. Stąd podręczniki akademickie poświęcone sztucznej inteligencji i uczeniu maszynowemu zwykle są grube, ciężkie i naszpikowane detalami. Niesprzyjające szybkiej nauce i w rzeczywistości wcale nie takie... podręczne. Inaczej jest z tą niewielkich rozmiarów książką. Jej autor przedstawia tematy związane z AI i ML z naciskiem na matematykę, tłumaczy jednak wszystko krok po kroku ― tak by czytelnikom było łatwiej je zrozumieć. Zagadnienia matematyczne są tu objaśniane o tyle, o ile jest to konieczne dla opanowania konkretnych treści z zakresu uczenia maszynowego.

Podtytuł Elementy matematyki w analizie danych
Autor Leszek Albrzykowski
Rok wydania 2023
Oprawa Miękka
Format 140x208
Stron 104
39.90
szt. Do przechowalni
Wysyłka w ciągu 24 godziny
ISBN 978-83-2839-139-0
Na styku matematyki i informatyki
Uczenie maszynowe (ML) i sztuczna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco tajemnicze, futurystyczne i przede wszystkim wymagające posiadania dość sporej wiedzy i umiejętności matematycznych. Stąd podręczniki akademickie poświęcone sztucznej inteligencji i uczeniu maszynowemu zwykle są grube, ciężkie i naszpikowane detalami. Niesprzyjające szybkiej nauce i w rzeczywistości wcale nie takie... podręczne.
Inaczej jest z tą niewielkich rozmiarów książką. Jej autor przedstawia tematy związane z AI i ML z naciskiem na matematykę, tłumaczy jednak wszystko krok po kroku ― tak by czytelnikom było łatwiej je zrozumieć. Zagadnienia matematyczne są tu objaśniane o tyle, o ile jest to konieczne dla opanowania konkretnych treści z zakresu uczenia maszynowego.
Znajdziesz tu omówienie takich kluczowych zagadnień jak:
• Wnioskowanie bayesowskie
• Modele liniowe
• Zmienne informatywne i entropia informacji
• Ocena wpływu cech na model
• Detekcja anomalii
• Ocena modelu

Od autora
ROZDZIAŁ 1. Liniowe zależności danych
o Kowariancja
o Współczynnik korelacji
o Regresja liniowa
o Co dalej?
o Bibliografia
ROZDZIAŁ 2. Wnioskowanie bayesowskie
o Twierdzenie Bayesa
o Naiwny klasyfikator bayesowski
o Co dalej?
o Bibliografia
ROZDZIAŁ 3. Czynniki wpływające na wyniki modelu
o Propensity score matching
o Shapley value
o Co dalej?
o Bibliografia
ROZDZIAŁ 4. Detekcja anomalii
o Detekcja anomalii za pomocą z-score
o Detekcja anomalii za pomocą algorytmów klastrujących
o Algorytm Isolation Forest
o Co dalej?
o Bibliografia
ROZDZIAŁ 5. Ewaluacja modeli
o Ewaluacja modeli klasyfikacji
o Ewaluacja modeli regresji
o Co dalej?
o Bibliografia
Zakończenie

Nie ma jeszcze komentarzy ani ocen dla tego produktu.

Polub nas na Facebooku