Descripción
Introducción.- Componentes del ML.- El panorama del ML.- Minimización del riesgo empírico.- Aprendizaje basado en gradientes.- Validación y selección de modelos.- Regularización.- Agrupamiento.- Aprendizaje de características.- ML transparente y explicable.
Autor: Alexander Jung
Editorial: Springer
Publicado: 23/01/2023
Páginas: 212
Tipo de encuadernación: Tapa blanda
Peso: 0,73 lbs
Tamaño: 9,21h x 6,14w x 0,49d
ISBN13: 9789811681950
ISBN10: 9811681953
Categorías BISAC:
- Computadoras | Inteligencia Artificial | General
- Computadoras | Teoría de la Información
- Computadoras | Ciencias de la Computación
Autor: Alexander Jung
Editorial: Springer
Publicado: 23/01/2023
Páginas: 212
Tipo de encuadernación: Tapa blanda
Peso: 0,73 lbs
Tamaño: 9,21h x 6,14w x 0,49d
ISBN13: 9789811681950
ISBN10: 9811681953
Categorías BISAC:
- Computadoras | Inteligencia Artificial | General
- Computadoras | Teoría de la Información
- Computadoras | Ciencias de la Computación
Sobre el autor
Alexander Jung es profesor asistente de aprendizaje automático en el Departamento de Ciencias de la Computación de la Universidad de Aalto, donde dirige el grupo de investigación "Aprendizaje automático para grandes datos". Sus cursos sobre aprendizaje automático, inteligencia artificial y optimización convexa se encuentran entre los más populares ofrecidos en la Universidad de Aalto. Recibió el premio al Mejor Artículo Estudiantil en la prestigiosa conferencia de procesamiento de señales IEEE ICASSP en 2011, un premio Amazon Web Services Machine Learning en 2018 y fue elegido Profesor del Año por el Departamento de Ciencias de la Computación en 2018. Se desempeña como editor asociado de IEEE Signal Processing Letters.