Avis des lecteurs
Résumé:Le livre est loué pour sa clarté, sa présentation organisée et sa couverture complète des sujets intermédiaires et avancés de l'apprentissage automatique, ce qui le rend adapté à ceux qui ont un solide bagage mathématique. Cependant, il est critiqué pour sa trop grande intensité mathématique pour ceux qui n'ont pas de connaissances approfondies en mathématiques.
Avantages:Présentation claire et concise, chapitres bien organisés, dérivations mathématiques solides, excellentes sections sur des sujets spécifiques comme les modèles de mélange gaussien et les HMM, ressources utiles comme les diapositives de cours disponibles en ligne, couverture complète de la matière, visuellement attrayant avec des images en couleur.
Inconvénients:Ne convient pas aux débutants ou à ceux qui n'ont pas de solides connaissances en mathématiques, la notation mathématique trop complexe peut prêter à confusion, peut ne pas convenir à ceux qui recherchent des explications conceptuelles plutôt qu'une rigueur mathématique.
(basé sur 4 avis de lecteurs)
Titre original :
Machine Learning Fundamentals - A Concise Introduction (Jiang Hui (York University Toronto))
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.
Autres informations sur le livre :
| ISBN : | 9781108940023 |
| Auteur : | |
| Éditeur : | |
| Sous-titre : | A Concise Introduction |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 418 |
Achat:
Actuellement disponible, en stock.
