Avis des lecteurs
Résumé:Ce livre est largement considéré comme une ressource solide pour comprendre les mathématiques qui sous-tendent l'apprentissage automatique, en mettant l'accent sur des explications intuitives et une approche structurée. Il est recommandé à ceux qui ont une connaissance de base des concepts de l'apprentissage automatique, mais il a été critiqué pour des erreurs typographiques, des problèmes liés à la version électronique et au formatage, ainsi que pour certains sujets manquants. Il peut servir d'introduction solide, mais les lecteurs peuvent avoir besoin de matériel complémentaire pour une compréhension complète.
Avantages:⬤ Excellent pour développer l'intuition des techniques d'apprentissage automatique.
⬤ Les explications mathématiques accessibles le rendent convivial pour les débutants.
⬤ Organisation bien structurée et logique.
⬤ Excellent pour ceux qui veulent comprendre les mathématiques qui sous-tendent l'apprentissage automatique plutôt que de se contenter d'utiliser des bibliothèques.
⬤ Agréable à lire, même pour les non-experts en ML.
⬤ Livraison rapide et qualité physique décente.
⬤ Plusieurs fautes de frappe et erreurs sont présentes dans le texte.
⬤ Les formules mathématiques ne s'affichent pas correctement dans la version électronique.
⬤ Quelques critiques sur l'utilisation d'exemples Matlab au lieu de Python.
⬤ Les pages minces de la version physique peuvent poser problème à certains lecteurs.
⬤ Certains sujets manquants, tels que les régresseurs SVM, obligent le lecteur à consulter des ressources supplémentaires.
(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, comme 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, USA
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 livre 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 constituait déjà un excellent texte d'introduction à l'apprentissage automatique pour un cours de premier cycle avancé ou un cours de maîtrise enseigné, ou même 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 principes de base contenus dans la première partie du livre.
Gavin Cawley, maître de conférences, School of Computing Sciences, University of East Anglia, UK
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 : | 9780367574642 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2020 |
| Nombre de pages : | 428 |
Achat:
Actuellement disponible, en stock.
