Перед вами один из самых интересных учебников по машинному обучению - разделу искусственного интеллекта, изучающего методы построения моделей, способных обучаться, и алгоритмов для их построения. Автор воздал должное невероятному богатству предмета и не упустил из вида объединяющих принципов. Читатель с первых страниц погружается в машинное обучение в действии, но без не нужных на первых порах технических деталей. По мере изучения предмета тщательно подобранные примеры, сопровождаемые иллюстрациями, постепенно усложняются.
В книге описан широкий круг логических, геометрических и статистических моделей, затрагиваются и такие находящиеся на переднем крае науки темы, как матричная факторизация и анализ РХП. Особое внимание уделено важнейшей роли признаков. Устоявшаяся терминология дополняется введением в рассмотрение новых полезных концепций. В конце каждой главы приводятся ссылки на дополнительную литературу с авторскими комментариями.
Книга ясно написана и хорошо организована. Начав с основ, автор умело ведет читателя, знакомя его с полезными фактами и подробно описывая ряд методов машинного обучения. Приводится также псевдокод ключевых алгоритмов.
Благодаря всему этому книга задает новый стандарт изучения такой сложной дисциплины как машинное обучение.
Pered vami odin iz samykh interesnykh uchebnikov po mashinnomu obucheniyu - razdelu iskusstvennogo intellekta, izuchayushchego metody postroeniya modeley, sposobnykh obuchatsya, i algoritmov dlya ikh postroeniya. Avtor vozdal dolzhnoe neveroyatnomu bogatstvu predmeta i ne upustil iz vida obedinyayushchikh printsipov. CHitatel s pervykh stranits pogruzhaetsya v mashinnoe obuchenie v deystvii, no bez ne nuzhnykh na pervykh porakh tekhnicheskikh detaley. Po mere izucheniya predmeta tshchatelno podobrannye primery, soprovozhdaemye illyustratsiyami, postepenno uslozhnyayutsya. V knige opisan shirokiy krug logicheskikh, geometricheskikh i statisticheskikh modeley, zatragivayutsya i takie nakhodyashchiesya na perednem krae nauki temy, kak matrichnaya faktorizatsiya i analiz RKHP. Osoboe vnimanie udeleno vazhneyshey roli priznakov. Ustoyavshayasya terminologiya dopolnyaetsya vvedeniem v rassmotrenie novykh poleznykh kontseptsiy. V kontse kazhdoy glavy privodyatsya ssylki na dopolnitelnuyu literaturu s avtorskimi kommentariyami. Kniga yasno napisana i khorosho organizovana. Nachav s osnov, avtor umelo vedet chitatelya, znakomya ego s poleznymi faktami i podrobno opisyvaya ryad metodov mashinnogo obucheniya. Privoditsya takzhe psevdokod klyuchevykh algoritmov. Blagodarya vsemu etomu kniga zadaet novyy standart izucheniya takoy slozhnoy distsipliny kak mashinnoe obuchenie.
Here is one of the most interesting textbooks on machine learning - section of artificial intelligence that studies methods for building models that are able to learn, and algorithms for their construction. The author paid tribute to the incredible richness of the subject and not lost sight of the unifying principles. The reader from the first pages immersed in machine learning in action, but without don't need at first the technical details. As you study the subject carefully-chosen examples accompanied by illustrations that gradually become more complex.
The book describes a wide range of logical, geometric and statistical models are affected and are at the forefront of science topics as matrix factorization and analysis of RKHP. Special attention is paid to the critical role of signs. Specific terminology is complemented by introducing new useful concepts. At the end of each Chapter provides references to additional literature with the author's comments.
The book is clearly written and well organized. Starting with the basics, the author skillfully leads the reader, acquainting him with useful facts and describing in detail a number of machine learning methods. Also provides a pseudo-code of key algorithms.
Thanks to all this book sets a new standard in the study of such complex disciplines as machine learning.