Фундаментальные математические дисциплины, необходимые для понимания машинного обучения, — это линейная алгебра, аналитическая геометрия, векторный анализ, оптимизация, теория вероятностей и статистика. Традиционно все эти темы размазаны по различным курсам, поэтому студентам, изучающим data science или computer science, а также профессионалам в МО, сложно выстроить знания в единую концепцию.Эта книга самодостаточна: читатель знакомится с базовыми математическими концепциями, а затем переходит к четырем основным методам МО: линейной регрессии, методу главных компонент, гауссову моделированию и методу опорных векторов.Тем, кто только начинает изучать математику, такой подход поможет развить интуицию и получить практический опыт в применении математических знаний,а для читателей с базовым математическим образованием книга послужит отправной точкой для более продвинутого знакомства с машинным обучением.
Fundamentalnye matematicheskie distsipliny, neobkhodimye dlya ponimaniya mashinnogo obucheniya, eto lineynaya algebra, analiticheskaya geometriya, vektornyy analiz, optimizatsiya, teoriya veroyatnostey i statistika. Traditsionno vse eti temy razmazany po razlichnym kursam, poetomu studentam, izuchayushchim data science ili computer science, a takzhe professionalam v MO, slozhno vystroit znaniya v edinuyu kontseptsiyu.Eta kniga samodostatochna: chitatel znakomitsya s bazovymi matematicheskimi kontseptsiyami, a zatem perekhodit k chetyrem osnovnym metodam MO: lineynoy regressii, metodu glavnykh komponent, gaussovu modelirovaniyu i metodu opornykh vektorov.Tem, kto tolko nachinaet izuchat matematiku, takoy podkhod pomozhet razvit intuitsiyu i poluchit prakticheskiy opyt v primenenii matematicheskikh znaniy,a dlya chitateley s bazovym matematicheskim obrazovaniem kniga posluzhit otpravnoy tochkoy dlya bolee prodvinutogo znakomstva s mashinnym obucheniem.
