Avis des lecteurs
Résumé:Le livre est apprécié pour ses explications intuitives des techniques d'apprentissage automatique, ce qui le rend accessible à ceux qui sont familiers avec les notations de base. Cependant, les lecteurs ont noté plusieurs problèmes, en particulier des fautes de frappe et de formatage dans la version électronique, ainsi qu'un manque de couverture de certains sujets.
Avantages:⬤ Une forte intuition et des explications mathématiques accessibles.
⬤ Bon pour l'acquisition de connaissances de base en apprentissage automatique.
⬤ Organisation claire et flux logique du contenu.
⬤ Excellent comme premier livre pour ceux qui découvrent l'apprentissage automatique.
⬤ Des récits et des comparaisons de méthodes agréables.
⬤ Nombreuses fautes de frappe et erreurs dans l'ensemble du livre.
⬤ La version électronique présente des problèmes de formatage avec les formules mathématiques.
⬤ Certains lecteurs ont trouvé que les exemples étaient en MATLAB au lieu de Python.
⬤ Les pages sont minces, ce qui rend la lecture moins confortable.
⬤ Quelques lecteurs ont mentionné qu'une connaissance plus approfondie du calcul et de l'algèbre linéaire était nécessaire.
(basé sur 21 avis de lecteurs)
Titre original :
A First Course in Machine Learning
Contenu du livre :
"A First Course in Machine Learning de Simon Rogers et Mark Girolami est le meilleur livre d'introduction à l'apprentissage automatique actuellement disponible. Il allie rigueur et précision à l'accessibilité, commence par une explication détaillée des fondements de l'analyse bayésienne dans les contextes les plus simples, et va jusqu'aux frontières du sujet telles que les modèles de mélange infini, les GP et le MCMC".
--Devdatt Dubhashi, Professeur, Département d'informatique et d'ingénierie, Université de Chalmers, Suède.
"Ce manuel parvient à être plus facile à lire que d'autres ouvrages comparables sur le sujet tout en conservant tout le traitement rigoureux nécessaire. Les nouveaux chapitres le placent à l'avant-garde du domaine en couvrant des sujets qui sont devenus courants dans l'apprentissage automatique au cours de la dernière décennie".
--Daniel Barbara, Université George Mason, Fairfax, Virginie, États-Unis.
"La nouvelle édition de A First Course in Machine Learning de Rogers et Girolami est une excellente introduction à l'utilisation des méthodes statistiques dans l'apprentissage automatique. Le livre introduit des concepts tels que la modélisation mathématique, l'inférence et la prédiction, en fournissant 'juste à temps' les connaissances essentielles en algèbre linéaire, en calcul et en théorie des probabilités dont le lecteur a besoin pour comprendre ces concepts".
--Daniel Ortiz-Arroyo, professeur associé, Université d'Aalborg Esbjerg, Danemark.
"J'ai été impressionné par la proximité du matériel avec les besoins d'un cours d'introduction à l'apprentissage automatique, ce qui est sa plus grande force... Dans l'ensemble, il s'agit d'un ouvrage pragmatique et utile, bien adapté aux besoins d'un cours d'introduction et que je consulterai pour mes propres étudiants dans les mois à venir".
--David Clifton, Université d'Oxford, Royaume-Uni.
"La première édition de ce livre était déjà un excellent texte d'introduction à l'apprentissage automatique pour un cours de premier cycle avancé ou un cours de maîtrise enseigné, ou en fait pour toute personne souhaitant se familiariser avec un domaine intéressant et important de l'informatique. Les chapitres supplémentaires de matériel avancé sur les processus gaussiens, le MCMC et la modélisation des mélanges fournissent une base idéale pour des projets pratiques, sans perturber l'exposition très claire et lisible des bases contenues dans la première partie du livre".
--Gavin Cawley, maître de conférences, School of Computing Sciences, University of East Anglia, Royaume-Uni.
"Ce livre pourrait être utilisé par des étudiants de premier cycle ou de première année d'études supérieures, ainsi que par des personnes souhaitant explorer le domaine de l'apprentissage automatique... Le livre présente non seulement les concepts, mais aussi les idées sous-jacentes sur la mise en œuvre des algorithmes dans une perspective de pensée critique".
--Guangzhi Qu, Université d'Oakland, Rochester, Michigan, États-Unis.
Autres informations sur le livre :
| ISBN : | 9781498738484 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
| Année de publication : | 2016 |
| Nombre de pages : | 397 |
Achat:
Actuellement disponible, en stock.
