Идеи машинного обучения: от теории к алгоритмам / пер. с англ. А. А. Слинкина.

Машинное обучение - один из самых быстро развивающихся разделов информатики с приложениями в самых разных областях. Цель этой книги - познакомить читателя с фундаментальными принципами машинного обучения и характерными для него алгоритмическими парадигмами. Книга содержит обширный свод основополагающих теоретических идей машинного обучения и математические выкладки, благодаря которым эти идеи становятся практическими алгоритмами. Вслед за изложением базовых основ дисциплины рассматривается широкий спектр тем, не нашедших достаточного отражения в предшествующих учебниках: вычислительная сложность обучения, понятия выпуклости и устойчивости, важные алгоритмы, включая стохастический градиентный спуск, нейронные сети и обучение структурированному выводу, а также совсем недавние теоретические концепции, например, PAC-байесовский подход и границы сжатия.
Издание ориентировано на студентов старших курсов, обучающихся информатике, техническим наукам, математике или статистике, а также может быть полезно исследователям, желающим углубить свои теоретические знания. Предполагается, что читатель знаком с основами теории вероятностей, линейной алгебры, математического анализа и теории алгоритмов.

Шалев-Шварц Ш. Идеи машинного обучения: от теории к алгоритмам / пер. с англ. А. А. Слинкина. / Ш. Шварц, Ш. Давид. - Москва : ДМК Пресс, 2019. - 436 с. - ISBN 978-5-97060-673-5. - URL: http://m.ibooks.ru/bookshelf/385106/reading (дата обращения: 27.07.2025). - Текст: электронный.