Mathematics for Machine Learning / Marc Peter Deisenroth.
Tipo de material: TextoEditor: Cambridge ; New York, NY : Cambridge University Press, 2020Descripción: XVII, 371 p. : il., graf.; 25 cmISBN: 9781108455145Tema(s): APRENDIZAJE AUTOMÁTICO. -- MATEMÁTICASClasificación CDD: 006.3 Resumen: Las herramientas matemáticas fundamentales necesarias para comprender el aprendizaje automático incluyen álgebra lineal, geometría analítica, descomposición de matrices, cálculo vectorial, optimización, probabilidad y estadística. Estos temas se enseñan tradicionalmente en cursos dispares, lo que dificulta que los estudiantes o profesionales de ciencias de la información o informática aprendan las matemáticas de manera eficiente. Este libro de texto autónomo cierra la brecha entre los textos matemáticos y de aprendizaje automático, introduciendo los conceptos matemáticos con un mínimo de requisitos previos. Utiliza estos conceptos para derivar cuatro métodos centrales de aprendizaje automático: regresión lineal, análisis de componentes principales, modelos de mezcla gaussiana y máquinas de vectores de soporte. Para los estudiantes y otras personas con formación matemática, estas derivaciones proporcionan un punto de partida para los textos de aprendizaje automático. Para aquellos que aprenden matemáticas por primera vez, los métodos ayudan a desarrollar la intuición y la experiencia práctica con la aplicación de conceptos matemáticos.Tipo de ítem | Ubicación actual | Colección | Signatura | Info Vol | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems |
---|---|---|---|---|---|---|---|---|---|
LIBRO - MATERIAL GENERAL | Biblioteca Jorge Álvarez Lleras Fondo general | Colección General | 006.3 D325m (Navegar estantería) | Ej.1 | 1 | Prestado | 2023-06-30 | 029718 |
Incluye índice
Las herramientas matemáticas fundamentales necesarias para comprender el aprendizaje automático incluyen álgebra lineal, geometría analítica, descomposición de matrices, cálculo vectorial, optimización, probabilidad y estadística. Estos temas se enseñan tradicionalmente en cursos dispares, lo que dificulta que los estudiantes o profesionales de ciencias de la información o informática aprendan las matemáticas de manera eficiente. Este libro de texto autónomo cierra la brecha entre los textos matemáticos y de aprendizaje automático, introduciendo los conceptos matemáticos con un mínimo de requisitos previos. Utiliza estos conceptos para derivar cuatro métodos centrales de aprendizaje automático: regresión lineal, análisis de componentes principales, modelos de mezcla gaussiana y máquinas de vectores de soporte. Para los estudiantes y otras personas con formación matemática, estas derivaciones proporcionan un punto de partida para los textos de aprendizaje automático. Para aquellos que aprenden matemáticas por primera vez, los métodos ayudan a desarrollar la intuición y la experiencia práctica con la aplicación de conceptos matemáticos.
No hay comentarios en este titulo.