Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 7 votes.
Titre original :
Introduction to Online Convex Optimization, Second Edition
Contenu du livre :
Nouvelle édition d'un manuel de niveau supérieur sur l'optimisation convexe en ligne, un cadre d'apprentissage automatique qui considère l'optimisation comme un processus.
Dans de nombreuses applications pratiques, l'environnement est si complexe qu'il n'est pas possible d'élaborer un modèle théorique complet et d'utiliser la théorie algorithmique classique et/ou l'optimisation mathématique. Introduction à l'optimisation convexe en ligne présente une approche robuste de l'apprentissage automatique qui contient des éléments de l'optimisation mathématique, de la théorie des jeux et de la théorie de l'apprentissage : une méthode d'optimisation qui apprend de l'expérience au fur et à mesure que de nouveaux aspects du problème sont observés. Cette vision de l'optimisation en tant que processus a conduit à des réussites spectaculaires en matière de modélisation et de systèmes qui font désormais partie de notre vie quotidienne.
Basée sur le cours « Theoretical Machine Learning » enseigné par l'auteur à l'Université de Princeton, la deuxième édition de ce texte de niveau supérieur largement utilisé présente les caractéristiques suivantes :
⬤ Une mise à jour complète de l'ensemble du matériel.
⬤ De nouveaux chapitres sur le boosting, le regret adaptatif et la facilité d'approche, ainsi qu'un exposé élargi sur l'optimisation.
⬤ Des exemples d'applications, y compris la prédiction à partir de conseils d'experts, la sélection de portefeuille, les systèmes de complétion de matrice et de recommandation, l'entraînement SVM, sont offerts tout au long du texte.
⬤ Des exercices qui guident les étudiants dans la réalisation de certaines parties des preuves.
Autres informations sur le livre :
| ISBN : | 9780262046985 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2022 |
| Nombre de pages : | 256 |
Achat:
Actuellement disponible, en stock.
