Bewertung:

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 5 Stimmen.
Optimization for Machine Learning
Eine aktuelle Darstellung des Zusammenspiels von Optimierung und maschinellem Lernen, die Studenten und Forschern in beiden Bereichen zugänglich ist.
Das Zusammenspiel von Optimierung und maschinellem Lernen ist eine der wichtigsten Entwicklungen in der modernen Computerwissenschaft. Optimierungsformulierungen und -methoden erweisen sich als unverzichtbar bei der Entwicklung von Algorithmen, die aus riesigen Datenmengen wichtiges Wissen extrahieren. Das maschinelle Lernen ist jedoch nicht einfach nur ein Anwender von Optimierungstechnologien, sondern ein sich schnell entwickelnder Bereich, der selbst neue Optimierungsideen hervorbringt. Dieses Buch fasst den Stand der Technik der Interaktion zwischen Optimierung und maschinellem Lernen in einer Weise zusammen, die für Forscher in beiden Bereichen zugänglich ist.
Optimierungsansätze haben sich aufgrund ihrer breiten Anwendbarkeit und ihrer attraktiven theoretischen Eigenschaften beim maschinellen Lernen großer Beliebtheit erfreut. Die zunehmende Komplexität, Größe und Vielfalt der heutigen Modelle des maschinellen Lernens erfordern eine Neubewertung der bestehenden Annahmen. Mit diesem Buch wird der Prozess der Neubewertung eingeleitet. Es beschreibt das Wiederaufleben etablierter Verfahren wie Methoden erster Ordnung, stochastische Approximationen, konvexe Relaxationen, Interieur-Punkt-Methoden und proximale Methoden in neuen Kontexten. Außerdem werden neuere Themen wie regularisierte Optimierung, robuste Optimierung, Gradienten- und Subgradientenmethoden, Splitting-Techniken und Methoden zweiter Ordnung behandelt. Viele dieser Techniken stammen aus anderen Bereichen, darunter Operations Research, theoretische Informatik und Teilbereiche der Optimierung. Das Buch wird die laufende gegenseitige Befruchtung zwischen der Gemeinschaft des maschinellen Lernens und diesen anderen Bereichen sowie innerhalb der breiteren Optimierungsgemeinschaft bereichern.