Bewertung:
Das Buch wird im Allgemeinen für seine Abdeckung des maschinellen Lernens und der klassischen Statistik gut aufgenommen, was es zu einer nützlichen Ressource für Studenten und Fachleute gleichermaßen macht. Es wird für seinen pädagogischen Ansatz gelobt, obwohl einige Rezensenten anmerken, dass es von intuitiveren Erklärungen profitieren könnte.
Vorteile:Gesunde Abdeckung des maschinellen Lernens und der klassischen Statistik, bessere pädagogische Qualität im Vergleich zu vielen anderen Büchern, nützlich für Bewerbungsgespräche in den Bereichen Datenwissenschaft und Statistik, von mehreren Nutzern gut aufgenommen.
Nachteile:Im Vergleich zu einigen spezialisierten Texten fehlt es an detaillierter Abdeckung, könnte mehr intuitive Erklärungen gebrauchen, bevor man in mathematische Details eintaucht.
(basierend auf 3 Leserbewertungen)
Introduction to Statistical Machine Learning
Das maschinelle Lernen ermöglicht es Computern, zu lernen und Muster zu erkennen, ohne dass sie programmiert werden. Wenn statistische Techniken und maschinelles Lernen miteinander kombiniert werden, sind sie ein leistungsfähiges Werkzeug für die Analyse verschiedener Arten von Daten in vielen Bereichen der Informatik und des Ingenieurwesens, wie z. B. Bildverarbeitung, Sprachverarbeitung, Verarbeitung natürlicher Sprache, Robotersteuerung, aber auch in den Grundlagenwissenschaften wie Biologie, Medizin, Astronomie, Physik und Materialwissenschaften.
Einführung in das statistische maschinelle Lernen bietet eine allgemeine Einführung in das maschinelle Lernen, die eine breite Palette von Themen kurz und bündig abdeckt und Ihnen helfen wird, die Lücke zwischen Theorie und Praxis zu schließen. Teil I erörtert die grundlegenden Konzepte der Statistik und Wahrscheinlichkeit, die bei der Beschreibung von Algorithmen des maschinellen Lernens verwendet werden. Teil II und Teil III erläutern die beiden wichtigsten Ansätze maschineller Lerntechniken: generative Methoden und diskriminative Methoden. Teil III befasst sich eingehend mit fortgeschrittenen Themen, die eine wesentliche Rolle dabei spielen, Algorithmen des maschinellen Lernens in der Praxis nützlicher zu machen. Die begleitenden MATLAB/Octave-Programme vermitteln Ihnen die notwendigen praktischen Fähigkeiten, um eine Vielzahl von Datenanalyseaufgaben zu bewältigen.
⬤ Bietet das notwendige Hintergrundmaterial zum Verständnis des maschinellen Lernens wie Statistik, Wahrscheinlichkeit, lineare Algebra und Kalkül.
⬤ Vollständige Abdeckung des generativen Ansatzes zur statistischen Mustererkennung und des diskriminativen Ansatzes zum statistischen maschinellen Lernen.
⬤ Enthält MATLAB/Octave-Programme, so dass der Leser die Algorithmen numerisch testen und sowohl mathematische als auch praktische Fähigkeiten für eine breite Palette von Datenanalyseaufgaben erwerben kann.
⬤ Diskutiert eine breite Palette von Anwendungen im Bereich des maschinellen Lernens und der Statistik und liefert Beispiele aus der Bildverarbeitung, der Sprachverarbeitung, der Verarbeitung natürlicher Sprache, der Robotersteuerung sowie aus der Biologie, Medizin, Astronomie, Physik und der Werkstoffkunde.
| ISBN: | 9780128021217 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2015 |
| Seitenzahl: | 534 |
Derzeit verfügbar, auf Lager.
