Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 7 Stimmen.
Introduction to Online Convex Optimization, Second Edition
Neue Ausgabe eines Lehrbuchs für Hochschulabsolventen, das sich auf die konvexe Online-Optimierung konzentriert, ein maschinelles Lernverfahren, das die Optimierung als Prozess betrachtet.
In vielen praktischen Anwendungen ist die Umgebung so komplex, dass es nicht möglich ist, ein umfassendes theoretisches Modell aufzustellen und klassische algorithmische Theorie und/oder mathematische Optimierung zu verwenden. Introduction to Online Convex Optimization stellt einen robusten maschinellen Lernansatz vor, der Elemente der mathematischen Optimierung, der Spieltheorie und der Lerntheorie enthält: eine Optimierungsmethode, die aus der Erfahrung lernt, je mehr Aspekte des Problems beobachtet werden. Diese Sichtweise der Optimierung als Prozess hat zu einigen spektakulären Erfolgen bei der Modellierung und bei Systemen geführt, die Teil unseres täglichen Lebens geworden sind.
Basierend auf dem Kurs „Theoretisches Maschinelles Lernen“, den der Autor an der Princeton University unterrichtet hat, bietet die zweite Auflage dieses weit verbreiteten Lehrbuchs für Hochschulabsolventen folgende Merkmale:
⬤ Ganzheitlich aktualisiertes Material.
⬤ Neue Kapitel über Boosting, adaptive Regret und Annäherungsfähigkeit sowie eine erweiterte Darstellung der Optimierung.
⬤ Anwendungsbeispiele, einschließlich Vorhersage durch Expertenrat, Portfolioauswahl, Matrixvervollständigung und Empfehlungssysteme, SVM-Training, durchgehend angeboten.
⬤ Übungen, die Studenten bei der Vervollständigung von Teilen der Beweise anleiten.
| ISBN: | 9780262046985 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2022 |
| Seitenzahl: | 256 |
Derzeit verfügbar, auf Lager.
