Uczenie maszynowe. elementy matematyki w analizie danych (Helion)

Na styku matematyki i informatyki Uczenie maszynowe (ML) i sztuczna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco zagadkowe, futurystyczne i z zasady wymagające posiadania dość obszernej wiedzy i umiejętności matematycznych.

Stąd podręczniki akademickie poświęcone sztucznej inteligencji i uczeniu maszynowemu z zasady są grube, ciężkie i naszpikowane detalami. Niesprzyjające prędkiej nauce i w rzeczywistości wcale nie takie… podręczne.

Inaczej jest z tą niewielkich rozmiarów książką. Jej autor ukazuje tematy związane z AI i ML z naciskiem na matematykę, tłumaczy jednak wszystko krok po kroku ― tak by czytelnikom było łatwiej je zrozumieć.

Zagadnienia matematyczne są tu objaśniane o tyle, o ile jest to niezbędne dla opanowania potężnych treści z zakresu uczenia maszynowego. Odnajdziesz tu omówienie takich kluczowych zagadnień jak: Wnioskowanie bayesowskie Metoda największej wiarygodności Modele liniowe Zmienne informatywne i entropia danych Łańcuch Markowa Ocena modelu Powyższy opis pochodzi od wydawcy.