Bewertung:
Das Buch wird weithin als solide Ressource für das Verständnis der Mathematik hinter dem maschinellen Lernen angesehen, wobei intuitive Erklärungen und ein strukturierter Ansatz im Vordergrund stehen. Es wird denjenigen empfohlen, die mit den Konzepten des maschinellen Lernens bereits vertraut sind, wurde jedoch wegen typografischer Fehler, Problemen mit der elektronischen Version und der Formatierung sowie einiger fehlender Themen kritisiert. Es kann als solide Einführung dienen, aber für ein umfassendes Verständnis benötigen die Leser möglicherweise zusätzliche Materialien.
Vorteile:⬤ Großartig, um ein Gefühl für Techniken des maschinellen Lernens zu bekommen.
⬤ Zugängliche mathematische Erklärungen machen es für Anfänger geeignet.
⬤ Gut strukturiert und logisch aufgebaut.
⬤ Stark für diejenigen, die die Mathematik hinter ML verstehen wollen, anstatt nur Bibliotheken zu benutzen.
⬤ Unterhaltsam zu lesen, auch für Nicht-Experten in ML.
⬤ Schneller Versand und anständige physische Qualität.
⬤ Mehrere Tippfehler und Fehler im gesamten Text.
⬤ Mathematische Formeln werden in der elektronischen Version nicht richtig angezeigt.
⬤ Einige Kritikpunkte an der Verwendung von Matlab-Beispielen anstelle von Python.
⬤ Dünne Seiten in der physischen Version könnten für einige Leser ein Problem darstellen.
⬤ Einige fehlende Themen, wie z. B. SVM-Regressoren, erfordern, dass der Leser zusätzliche Ressourcen konsultiert.
(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 Situationen und geht bis zu den Grenzbereichen des Themas wie unendliche Mischmodelle, GPs und MCMC.
--Devdatt Dubhashi, Professor, Abteilung für 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. Mit den neuen Kapiteln steht es an der Spitze des Fachgebiets, indem es Themen behandelt, die im letzten Jahrzehnt 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, University of Oxford, UK
Die erste Auflage dieses Buches war bereits ein hervorragender Einführungstext in das maschinelle Lernen für ein fortgeschrittenes Grundstudium oder einen Masterkurs, aber 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, sondern auch in die zugrundeliegenden Ideen zur Implementierung von Algorithmen aus einer Perspektive des kritischen Denkens ein.
--Guangzhi Qu, Oakland University, Rochester, Michigan, USA
| ISBN: | 9780367574642 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 428 |
Derzeit verfügbar, auf Lager.
