Bewertung:
Das Buch wird für seine klaren, intuitiven Erklärungen der Techniken des maschinellen Lernens geschätzt, die es auch für diejenigen zugänglich machen, die mit den grundlegenden Notationen vertraut sind. Die Leser haben jedoch mehrere Probleme festgestellt, insbesondere mit Tippfehlern und der Formatierung in der elektronischen Version, sowie eine mangelnde Abdeckung einiger Themen.
Vorteile:⬤ Starke Intuition und verständliche mathematische Erklärungen.
⬤ Gut geeignet für den Aufbau von Grundkenntnissen im Bereich des maschinellen Lernens.
⬤ Klare Organisation und logischer Fluss des Inhalts.
⬤ Hervorragend geeignet als erstes Buch für diejenigen, die neu im maschinellen Lernen sind.
⬤ Unterhaltsame Erzählungen und Methodenvergleiche.
⬤ Zahlreiche Tippfehler und Fehler im gesamten Buch.
⬤ Die elektronische Version hat Formatierungsprobleme mit mathematischen Formeln.
⬤ Einige Leser fanden die Beispiele in MATLAB statt in Python.
⬤ Die Seiten sind dünn, was das Lesen weniger angenehm macht.
⬤ Einige Rezensenten erwähnten, dass mehr Hintergrundwissen in Kalkül und linearer Algebra erforderlich ist.
(basierend auf 21 Leserbewertungen)
A First Course in Machine Learning
A First Course in Machine Learning" von Simon Rogers und Mark Girolami ist das beste Einführungsbuch für ML, das derzeit erhältlich ist. Es verbindet Strenge und Präzision mit Zugänglichkeit, beginnt mit einer detaillierten Erläuterung der Grundlagen der Bayes'schen Analyse in den einfachsten Einstellungen und geht bis zu den Grenzbereichen des Themas wie unendliche Mischmodelle, GPs und MCMC.".
--Devdatt Dubhashi, Professor, Fachbereich Informatik und Ingenieurwesen, Chalmers Universität, Schweden.
"Dieses Lehrbuch ist leichter zu lesen als andere vergleichbare Bücher zu diesem Thema und bietet dennoch die erforderliche gründliche Behandlung. Die neuen Kapitel stellen es an die Spitze des Fachgebiets, indem sie Themen abdecken, die in den letzten zehn Jahren zum Mainstream des maschinellen Lernens geworden sind".
--Daniel Barbara, George Mason University, Fairfax, Virginia, USA.
"Die neue Ausgabe von A First Course in Machine Learning von Rogers und Girolami ist eine hervorragende Einführung in die Verwendung statistischer Methoden beim maschinellen Lernen. Das Buch führt in Konzepte wie mathematische Modellierung, Inferenz und Vorhersage ein und liefert 'just in time' den wesentlichen Hintergrund zu linearer Algebra, Kalkül und Wahrscheinlichkeitstheorie, den der Leser braucht, um diese Konzepte zu verstehen.".
--Daniel Ortiz-Arroyo, Außerordentlicher Professor, Aalborg Universität Esbjerg, Dänemark.
"Ich war beeindruckt davon, wie sehr sich das Material an den Bedürfnissen eines Einführungskurses über maschinelles Lernen orientiert, was seine größte Stärke ist... Insgesamt ist dies ein pragmatisches und hilfreiches Buch, das gut auf die Bedürfnisse eines Einführungskurses abgestimmt ist und das ich in den kommenden Monaten für meine eigenen Studenten in Betracht ziehen werde.".
--David Clifton, Universität Oxford, UK.
"Die erste Ausgabe dieses Buches war bereits ein hervorragender Einführungstext in das maschinelle Lernen für ein fortgeschrittenes Grundstudium oder einen Masterkurs, oder auch für jeden, der etwas über ein interessantes und wichtiges Gebiet der Informatik lernen möchte. Die zusätzlichen Kapitel mit fortgeschrittenem Material über Gaußsche Prozesse, MCMC und Mischungsmodellierung bieten eine ideale Grundlage für praktische Projekte, ohne die sehr klare und lesbare Darstellung der Grundlagen im ersten Teil des Buches zu stören.".
--Gavin Cawley, Senior Lecturer, School of Computing Sciences, University of East Anglia, UK.
"Dieses Buch eignet sich für Studenten im Grundstudium oder im ersten Jahr des Studiums sowie für Einzelpersonen, die das Gebiet des maschinellen Lernens erkunden wollen... Das Buch führt nicht nur in die Konzepte ein, sondern auch in die zugrundeliegenden Ideen zur Implementierung von Algorithmen aus einer Perspektive des kritischen Denkens.".
--Guangzhi Qu, Oakland University, Rochester, Michigan, USA.
| ISBN: | 9781498738484 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2016 |
| Seitenzahl: | 397 |
Derzeit verfügbar, auf Lager.
