Bewertung:
Das Buch wird für seine Klarheit, die übersichtliche Darstellung und die gründliche Behandlung mittlerer bis fortgeschrittener Themen des maschinellen Lernens gelobt, so dass es auch für Personen mit einem soliden mathematischen Hintergrund geeignet ist. Es wird jedoch kritisiert, dass es zu mathematiklastig für diejenigen ist, die keinen umfassenden mathematischen Hintergrund haben.
Vorteile:Klare und prägnante Darstellung, gut gegliederte Kapitel, überzeugende mathematische Herleitungen, hervorragende Abschnitte zu spezifischen Themen wie Gauß'sche Mischmodelle und HMMs, nützliche Ressourcen wie online verfügbare Vorlesungsfolien, gründliche Abdeckung des Materials, optisch ansprechend mit Farbbildern.
Nachteile:Nicht geeignet für Anfänger oder Personen ohne fundierte mathematische Kenntnisse, zu komplexe mathematische Notation kann verwirrend sein, möglicherweise nicht für diejenigen geeignet, die eher konzeptionelle Erklärungen als mathematische Strenge suchen.
(basierend auf 4 Leserbewertungen)
Machine Learning Fundamentals - A Concise Introduction (Jiang Hui (York University Toronto))
Diese übersichtliche und kohärente Einführung in das überwachte maschinelle Lernen präsentiert die Kernkonzepte in einer prägnanten, logischen und leicht verständlichen Art und Weise für Leser mit einer gewissen mathematischen Vorbereitung, aber ohne vorherige Erfahrung im maschinellen Lernen.
Es werden sowohl weit verbreitete traditionelle Methoden als auch kürzlich populäre Deep-Learning-Methoden behandelt.
| ISBN: | 9781108940023 |
| Autor: | |
| Verlag: | |
| Untertitel: | A Concise Introduction |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 418 |
Derzeit verfügbar, auf Lager.
