Matemáticas para el Aprendizaje Automático

Las herramientas matemáticas fundamentales necesarias para entender el aprendizaje automático incluyen álgebra lineal, geometría analítica, descomposiciones de matrices, cálculo vectorial, optimización, probabilidad y estadística. Estos temas se enseñan tradicionalmente en cursos dispares, lo que dificulta que los estudiantes o profesionales de la ciencia de datos o la informática aprendan las matemáticas de manera eficiente. Este libro de texto auto-contenido cierra la brecha entre los textos de matemáticas y los de aprendizaje automático, introduciendo los conceptos matemáticos con un mínimo de requisitos previos. Utiliza estos conceptos para derivar cuatro métodos centrales de aprendizaje automático: regresión lineal, análisis de componentes principales, modelos de mezcla gaussiana y máquinas de vectores de soporte. Para estudiantes y otras personas con una formación matemática, estas derivaciones proporcionan un punto de partida para los textos de aprendizaje automático. Para aquellos que aprenden las matemáticas por primera vez, los métodos ayudan a construir la intuición y la experiencia práctica en la aplicación de conceptos matemáticos. Cada capítulo incluye ejemplos resueltos y ejercicios para comprobar la comprensión. Los tutoriales de programación se ofrecen en el sitio web del libro.

Autor: Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong
Editorial: Cambridge University Press
Publicado: 23/04/2020
Páginas: 398
Tipo de encuadernación: Tapa blanda
Peso: 1.80lbs
Tamaño: 9.84h x 6.93w x 0.87d
ISBN13: 9781108455145
ISBN10: 110845514X
Categorías BISAC:
- Informática | Inteligencia Artificial | Visión por Computadora y Reconocimiento de Patrones