机读格式显示(MARC)

• 000 02325nam 2200373 450

• 001 0000795822

• 005 20250618185100.0

• 010 __ |a 978-7-111-76322-2 |d CNY139.00

• 100 __ |a 20241230d2024 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a af a 000yy

• 106 __ |a r

• 200 1_ |a 机器学习的数学基础 |A ji qi xue xi de shu xue ji chu |f (英) 马克·彼得·戴森罗特, A. 阿尔多·费萨尔, (马来) 翁承顺著 |d = Mathematics for machine learning |f Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong |g 郝珊锋, 黄定江译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2024.11

• 215 __ |a xix, 372页, [4] 页图版 |c 图 (部分彩图) |d 24cm

• 225 2_ |a 智能系统与技术丛书 |A zhi neng xi tong yu ji shu cong shu

• 306 __ |a 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

• 314 __ |a 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。

• 320 __ |a 有书目 (第361-372页)

• 330 __ |a 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。

• 333 __ |a 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

• 410 _0 |1 2001 |a 智能系统与技术丛书

• 500 10 |a Mathematics for machine learning |A Mathematics For Machine Learning |m Chinese

• 606 0_ |a 机器学习 |A ji qi xue xi |x 数学理论

• 690 __ |a TP181 |v 5

• 690 __ |a O1 |v 5

• 701 _1 |a 戴森罗特 |A dai sen luo te |g (Deisenroth, Marc Peter) |4 著

• 701 _1 |a 费萨尔 |A fei sa er |g (Faisal, A. Aldo) |4 著

• 701 _0 |a 翁承顺 |A weng cheng shun |g (Ong, Cheng Soon) |4 著

• 702 _0 |a 郝珊锋 |A hao shan feng |4 译

• 702 _0 |a 黄定江 |A huang ding jiang |4 译

• 801 _0 |a CN |b 湖北三新 |c 20241230

• 905 __ |a LIB |d TP181/398