Avis des lecteurs
Résumé:Le livre est généralement bien accueilli pour sa couverture de l'apprentissage automatique et des statistiques classiques, ce qui en fait une ressource utile pour les étudiants et les professionnels. Il est noté pour son approche pédagogique, bien que certains évaluateurs suggèrent qu'il pourrait bénéficier d'explications plus intuitives.
Avantages:Couverture saine de l'apprentissage automatique et des statistiques classiques, meilleure qualité pédagogique par rapport à de nombreux autres ouvrages, utile pour les entretiens d'embauche en science des données et en statistiques, bien accueilli par de nombreux utilisateurs.
Inconvénients:Manque de couverture détaillée par rapport à certains textes spécialisés, pourrait bénéficier d'explications plus intuitives avant de plonger dans les détails mathématiques.
(basé sur 3 avis de lecteurs)
Titre original :
Introduction to Statistical Machine Learning
Contenu du livre :
L'apprentissage automatique permet aux ordinateurs d'apprendre et de discerner des modèles sans être programmés. Lorsque les techniques statistiques et l'apprentissage automatique sont combinés, ils constituent un outil puissant pour l'analyse de divers types de données dans de nombreux domaines de l'informatique et de l'ingénierie, notamment le traitement de l'image, le traitement de la parole, le traitement du langage naturel, le contrôle des robots, ainsi que dans les sciences fondamentales telles que la biologie, la médecine, l'astronomie, la physique et les matériaux.
Introduction to Statistical Machine Learning fournit une introduction générale à l'apprentissage automatique qui couvre un large éventail de sujets de manière concise et vous aidera à combler le fossé entre la théorie et la pratique. La première partie aborde les concepts fondamentaux de la statistique et de la probabilité qui sont utilisés dans la description des algorithmes d'apprentissage automatique. Les parties II et III expliquent les deux principales approches des techniques d'apprentissage automatique : les méthodes génératives et les méthodes discriminatives. La troisième partie propose un examen approfondi des sujets avancés qui jouent un rôle essentiel pour rendre les algorithmes d'apprentissage automatique plus utiles dans la pratique. Les programmes MATLAB/Octave qui l'accompagnent vous permettent d'acquérir les compétences pratiques nécessaires à l'accomplissement d'un large éventail de tâches d'analyse de données.
⬤ Il fournit le matériel de base nécessaire pour comprendre l'apprentissage automatique tel que les statistiques, les probabilités, l'algèbre linéaire et le calcul.
⬤ La couverture complète de l'approche générative de la reconnaissance statistique des formes et de l'approche discriminative de l'apprentissage automatique statistique.
⬤ Le livre comprend des programmes MATLAB/Octave qui permettent aux lecteurs de tester les algorithmes numériquement et d'acquérir des compétences mathématiques et pratiques dans un large éventail de tâches d'analyse de données.
⬤ Il aborde un large éventail d'applications de l'apprentissage automatique et des statistiques et fournit des exemples tirés du traitement des images, du traitement de la parole, du traitement du langage naturel, du contrôle des robots, ainsi que de la biologie, de la médecine, de l'astronomie, de la physique et des matériaux.
Autres informations sur le livre :
| ISBN : | 9780128021217 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2015 |
| Nombre de pages : | 534 |
Achat:
Actuellement disponible, en stock.
