安徽科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

机器学习的数学基础/(英) 马克·彼得·戴森罗特, A. 阿尔多·费萨尔, (马来) 翁承顺著 郝珊锋, 黄定江译

出版发行项:

北京:机械工业出版社,2024.11

ISBN及定价:

978-7-111-76322-2/CNY139.00

载体形态项:

xix, 372页, [4] 页图版:图 (部分彩图);24cm

统一题名:

Mathematics for machine learning

丛编项:

智能系统与技术丛书

个人责任者:

戴森罗特 (Deisenroth, Marc Peter) 著

个人责任者:

费萨尔 (Faisal, A. Aldo) 著

个人责任者:

翁承顺 (Ong, Cheng Soon) 著

个人次要责任者:

郝珊锋 译

个人次要责任者:

黄定江 译

学科主题:

机器学习-数学理论

中图法分类号:

TP181

中图法分类号:

O1

出版发行附注:

本书原版由剑桥大学出版社出版 本书简体字中文版由剑桥大学出版社与机械工业出版社合作出版

责任者附注:

马克·彼得·戴森罗特 (Marc Peter Deisenroth), 伦敦大学学院计算机科学系的DeepMind人工智能主席、2012年欧洲强化学习研讨会 (EWRL) 的项目主席、2013年机器人科学与系统 (RSS) 研讨会的主席。A. 阿尔多·费萨尔 (A. Aldo Faisal), 伦敦帝国理工学院大脑和行为实验室的负责人、该学院生物工程和计算系的教师、数据科学研究所的研究员。翁承顺 (Cheng Soon Ong), 堪培拉联邦科学与工业研究组织 (CSIRO) Data61机器学习研究小组的首席研究科学家、澳大利亚国立大学的兼职副教授。

书目附注:

有书目 (第361-372页)

提要文摘附注:

本书弥补了纯数学书籍和机器学习书籍存在的单一性问题, 介绍了理解机器学习所需的必备数学概念, 例如线性代数、解析几何、矩阵分解、向量微积分、优化、概率和统计, 并使用这些概念推导出了四种核心机器学习方法: 线性回归、主成分分析、高斯混合模型和支持向量机。本书每一章都包括一些例子, 大部分章还配有习题, 以方便读者测试对所学知识的理解程度。

使用对象附注:

本书适合数据科学专业和计算机科学专业的学生, 以及算法工程师与机器学习领域相关从业者阅读

豆瓣简介：