Андрей Бурков - Машинное обучение без лишних слов
Название: | Машинное обучение без лишних слов | |
Автор: | Андрей Бурков | |
Жанр: | Искусственный интеллект | |
Изадано в серии: | Библиотека программиста | |
Издательство: | Питер | |
Год издания: | 2020 | |
ISBN: | 978-5-4461-1560-0 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Машинное обучение без лишних слов"
Все, что вам действительно нужно знать о машинном обучении, может уместиться на паре сотен страниц.
Начнем с простой истины: машины не учатся. Типичное машинное обучение заключается в поиске математической формулы, которая при применении к набору входных данных (называемых обучающими данными) даст желаемые результаты.
Андрей Бурков постарался дать все необходимое, чтобы каждый мог стать отличным современным аналитиком или специалистом по машинному обучению. То, что удалось вместить в пару сотен страниц, в других книгах растянуто на тысячи. Типичные книги по машинному обучению консервативны и академичны, здесь же упор сделан на алгоритмах и методах, которые пригодятся в повседневной работе.
Читаем онлайн "Машинное обучение без лишних слов" (ознакомительный отрывок). Главная страница.
Andriy Burkov
Андрей Бурков
МАШИННОЕ ОБУЧЕНИЕ
без лишних слов
2020
ББК 32.813
УДК 004.8
Б91
Бурков Андрей
Б91 Машинное обучение без лишних слов. — СПб.: Питер, 2020. — 192 с.: ил. — (Серия «Библиотека программиста»).
ISBN 978-5-4461-1560-0
Все, что вам действительно нужно знать о машинном обучении, может уместиться на паре сотен
страниц.
Начнем с простой истины: машины не учатся. Типичное машинное обучение заключается в поиске математической формулы, которая при применении к набору входных данных (называемых
обучающими данными) даст желаемые результаты.
Андрей Бурков постарался дать все необходимое, чтобы каждый мог стать отличным современным аналитиком или специалистом по машинному обучению. То, что удалось вместить в пару
сотен страниц, в других книгах растянуто на тысячи. Типичные книги по машинному обучению
консервативны и академичны, здесь же упор сделан на алгоритмах и методах, которые пригодятся
в повседневной работе.
16+ (В соответствии с Федеральным законом от 29 декабря 2010 г. № 436-ФЗ.)
ББК 32.813
УДК 004.8
Права на издание получены по соглашению с Andriy Burkov. Все права защищены. Никакая часть данной книги
не может быть воспроизведена в какой бы то ни было форме без письменного разрешения владельцев авторских прав.
Информация, содержащаяся в данной книге, получена из источников, рассматриваемых издательством как надежные. Тем не менее, имея в виду возможные человеческие или технические ошибки, издательство не может
гарантировать абсолютную точность и полноту приводимых сведений и не несет ответственности за возможные
ошибки, связанные с использованием книги. Издательство не несет ответственности за доступность материалов, ссылки на которые вы можете найти в этой книге. На момент подготовки книги к изданию все ссылки на
интернет-ресурсы были действующими.
ISBN 978-1999579500 англ.
ISBN 978-5-4461-1560-0
© Andriy Burkov, 2019
© Перевод на русский язык ООО Издательство «Питер», 2020
© Издание на русском языке, оформление ООО Издательство «Питер»,
2020
© Серия «Библиотека программиста», 2020
Оглавление
Предисловие к русскому изданию..................................................................... 10
Предисловие из оригинального издания........................................................... 13
Вступление.............................................................................................................. 15
Кому адресована эта книга.................................................................................... 16
От издательства.................................................................................................... 17
Глава 1. Введение..................................................................................................... 18
1.1. Что такое машинное обучение........................................................................ 18
1.2. Типы обучения............................................................................................... 18
1.3. Как работает обучение с учителем................................................................. 20
1.4. Почему модель способна работать с новыми данными.................................... 25
Глава 2. Обозначения и определения........................................................................ 27
2.1. Обозначения................................................................................................... 27
2.2. Случайная величина....................................................................................... 34
2.3. Несмещенные оценки..................................................................................... 37
2.4. Правило Байеса.............................................................................................. 37
2.5. Оценка параметров......................................................................................... 38
2.6. Параметры и гиперпараметры........................................................................ 39
2.7. Классификация и регрессия............................................................................ 39
2.8. Обучение на основе моделей и на основе примеров....................................... 40
2.9. Поверхностное и глубокое обучение............................................................... 41
Глава 3. Фундаментальные алгоритмы...................................................................... 42
3.1. Линейная регрессия........................................................................................ 42
3.2. Логистическая регрессия................................................................................ 46
3.3. Обучение дерева решений.............................................................................. 49
6 Оглавление
3.4. Метод опорных векторов................................................................................ 53
3.5. Метод k ближайших соседей........................................................................... 57
Глава 4. Анатомия алгоритмов обучения................................................................... 59
4.1. Строительные блоки алгоритмов обучения..................................................... 59
4.2. Градиентный спуск......................................................................................... 60
4.3. Как работают инженеры, занимающиеся машинным обучением...................... 66
4.4. --">
Книги схожие с «Машинное обучение без лишних слов» по жанру, серии, автору или названию:
Джереми Ховард, Сильвейн Гуггер - Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности Жанр: Python Год издания: 2022 Серия: Бестселлеры o’reilly |
Брайан Макмахан, Делип Рао - Знакомство с PyTorch: глубокое обучение при обработке естественного языка Жанр: Искусственный интеллект Год издания: 2020 Серия: Бестселлеры o’reilly |
С. Николенко, А. Кадурин, Е. Архангельская - Глубокое обучение Жанр: Искусственный интеллект Год издания: 2018 Серия: Библиотека программиста |
Валлиаппа Лакшманан, Сара Робинсон, Майкл Мунн - Машинное обучение. Паттерны проектирования Жанр: Искусственный интеллект Год издания: 2022 Серия: Бестселлеры o’reilly |
Другие книги из серии «Библиотека программиста»:
Эндрю Хант, Дэвид Томас - Программист-прагматик. Путь от подмастерья к мастеру Жанр: Программирование: прочее Год издания: 2004 Серия: Библиотека программиста |
Роберт Сесил Мартин - Чистый Agile. Основы гибкости Жанр: Современные российские издания Год издания: 2020 Серия: Библиотека программиста |
Джульен Данжу - Путь Python. Черный пояс по разработке, масштабированию, тестированию и развертыванию Жанр: Python Год издания: 2020 Серия: Библиотека программиста |
Ферроне Харрисон - Изучаем C# через разработку игр на Unity Жанр: C, C++, C# Год издания: 2022 Серия: Библиотека программиста |