Objętość 289 stron
2009 rok
0+
O książce
Книга посвящена одной из самых практически применимых, активных и быстроразвивающихся областей современной информатики, объединяющей множество методов из различных областей математики и не только математики – машинному обучению. В книге обсуждаются основы многих базовых аппаратов машинного обучения: деревья принятия решений, искусственные нейронные сети, генетические алгоритмы, байесовские классификаторы, алгоритмы кластеризации и обучение с подкреплением. Изложение ведется увлекательным языком, книгу интересно читать, и она доступна даже не очень подготовленному читателю. Однако при этом сохраняется математическая строгость, а наиболее сложные части изложения заинтересуют и профессионалов. Книга снабжена обширной аннотированной библиографией.
Читать книгу смогут даже старшеклассники, хотя она будет представлять несомненный профессиональный интерес и для студентов всех курсов, изучающих математику и информатику, а также для специалистов и аспирантов, ведущих исследования в соответствующих областях. В этом отношении значительная часть материала монографии сможет сыграть роль углубленного учебного пособия.
Opinie, 8 opinie8
Посмотрел пока только оглавление. Но уже очарован!
Кстати, очень удивила цена за электронную версию. С такой ценой совесть не позволит пиратить
Уровень изложения материала доступен успешному старшекласснику. Содержание заинтересует и профессионала. С удовольствие читаю, советую всем, кто изучает искусственный интеллект.
В книге очень доступным языком описаны основы машинного обучения, необходимые для понимания. Пожалуй, с нее можно начать знакомство с этой темой.
Вот настоящий пример того, как можно просто писать о сложных вещах !
Спасибо огромное авторам и тем людям, кто помог написать эту книгу.
Научная интелегенция в нашей стране еще не убита полностью судя по цене, которая установлена не для дохода, а для просвещения. Еще раз спасибо.
Все математические модели, приводимые в книге, снабжены понятным описанием. Тот самый случай, когда баланс цена/качество сильно перевешивает в сторону качества.