Avis des lecteurs
Résumé:Ce livre est très apprécié pour sa présentation claire et concise des concepts de l'apprentissage automatique, ce qui le rend adapté à ceux qui ont une solide compréhension des mathématiques et des statistiques. Il est loué pour ses chapitres bien organisés et son exploration approfondie de sujets tels que les modèles de mélange gaussien et les HMM. Cependant, il est noté que le livre est assez chargé en mathématiques, ce qui peut décourager les lecteurs qui se concentrent davantage sur les applications pratiques que sur les mathématiques théoriques.
Avantages:Chapitres concis et ciblés, dérivations mathématiques claires, contenu bien organisé, couverture approfondie des sujets, adapté aux lecteurs intermédiaires et avancés, excellentes sections sur des sujets spécifiques tels que les modèles de mélange gaussien et les HMM.
Inconvénients:Ne convient pas aux débutants, trop mathématique pour les lecteurs n'ayant pas de solides connaissances en mathématiques, peut utiliser une notation complexe qui peut être obscurantiste.
(basé sur 4 avis de lecteurs)
Titre original :
Machine Learning Fundamentals: A Concise Introduction
Contenu du livre :
Cette introduction lucide et cohérente à l'apprentissage automatique supervisé présente les concepts de base de manière concise, logique et facile à suivre pour les lecteurs ayant une certaine préparation mathématique mais pas d'exposition préalable à l'apprentissage automatique.
L'ouvrage couvre les méthodes traditionnelles largement utilisées ainsi que les méthodes d'apprentissage profond (deep learning) qui ont connu une popularité récente.
