Descripción
La habilidad más crucial para el aprendizaje automático y la ciencia de datos es la lógica matemática para comprender su esencia en lugar de depender del conocimiento o la experiencia. Este libro de texto aborda los fundamentos de los métodos kernel para el aprendizaje automático al considerar problemas matemáticos relevantes y construir programas Python.
Las principales características del libro son las siguientes:
- El contenido está escrito en un estilo fácil de seguir y autoexplicativo.
- El libro incluye 100 ejercicios, que han sido cuidadosamente seleccionados y refinados. Como sus soluciones se proporcionan en el texto principal, los lectores pueden resolver todos los ejercicios leyendo el libro.
- Las premisas matemáticas de los kernels se prueban y se proporcionan las conclusiones correctas, lo que ayuda a los lectores a comprender la naturaleza de los kernels.
- Se presentan programas fuente y ejemplos de ejecución para ayudar a los lectores a adquirir una comprensión más profunda de las matemáticas utilizadas.
- Una vez que los lectores tienen una comprensión básica de los temas de análisis funcional cubiertos en el Capítulo 2, las aplicaciones se discuten en los capítulos subsiguientes. Aquí, no se asume ningún conocimiento previo de matemáticas.
- Este libro considera tanto el kernel para el espacio de Hilbert de kernel de reproducción (RKHS) como el kernel para el proceso gaussiano; se hace una clara distinción entre los dos.
Autor: Joe Suzuki
Editorial: Springer
Publicado: 15/05/2022
Páginas: 208
Tipo de encuadernación: Tapa blanda
Peso: 0.70lbs
Tamaño: 9.21h x 6.14w x 0.47d
ISBN13: 9789811904004
ISBN10: 9811904006
Categorías BISAC:
- Informática | Inteligencia Artificial | General
- Informática | Software Matemático y Estadístico
- Tecnología e Ingeniería | Ingeniería (General)
Sobre el Autor
Joe Suzuki es profesor de estadística en la Universidad de Osaka, Japón. Ha publicado más de 100 artículos sobre modelos gráficos y teoría de la información.
Es autor de una serie de libros de texto sobre aprendizaje automático publicados por Springer.
- Aprendizaje estadístico con matemáticas y R - Aprendizaje estadístico con matemáticas y Python - Estimación dispersa con matemáticas y R
- Estimación dispersa con matemáticas y Python - Métodos de kernel para el aprendizaje automático con matemáticas y R - Métodos de kernel para el aprendizaje automático con matemáticas y Python (Este libro)
Este título no es retornable