Originaltitel:
Sparse Estimation with Math and R: 100 Exercises for Building Logic
Inhalt des Buches:
Die wichtigste Fähigkeit für das maschinelle Lernen und die Datenwissenschaft ist die mathematische Logik, um ihr Wesen zu begreifen, und nicht Wissen und Erfahrung. Dieses Lehrbuch nähert sich dem Wesen der spärlichen Schätzung, indem es mathematische Probleme betrachtet und R-Programme erstellt.
Jedes Kapitel führt in den Begriff der Sparsamkeit ein und bietet Verfahren, gefolgt von mathematischen Ableitungen und Quellprogrammen mit Ausführungsbeispielen. Um den Einblick des Lesers in die Sparsity zu maximieren, werden für fast alle Sätze mathematische Beweise präsentiert, und die Programme werden beschrieben, ohne auf irgendwelche Pakete zurückzugreifen. Das Buch ist so aufgebaut, dass die Lösungen zu den Aufgaben in jedem Kapitel enthalten sind, so dass die Leser die insgesamt 100 Aufgaben lösen können, indem sie einfach dem Inhalt der einzelnen Kapitel folgen.
Dieses Lehrbuch eignet sich für einen Grund- oder Aufbaustudiengang, der aus ca. 15 Vorlesungen (à 90 Min.) besteht. In einem leicht verständlichen und in sich geschlossenen Stil geschrieben, ist dieses Buch auch das perfekte Material für das eigenständige Lernen von Datenwissenschaftlern, Ingenieuren für maschinelles Lernen und Forschern, die sich für lineare Regression, verallgemeinertes lineares Lasso, Gruppen-Lasso, fusioniertes Lasso, grafische Modelle, Matrixzerlegung und multivariate Analyse interessieren.
Dieses Buch gehört zu einer Reihe von Lehrbüchern über maschinelles Lernen desselben Autors. Andere Titel sind:
- Statistisches Lernen mit Mathematik und R (https: //www.springer.com/gp/book/9789811575679)
- Statistisches Lernen mit Mathematik und Python (https: //www.springer.com/gp/book/9789811578762)
- Sparse Estimation mit Mathematik und Python.
Weitere Daten des Buches:
| ISBN: | 9789811614453 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 234 |
Kauf:
Derzeit verfügbar, auf Lager.
