Математические основы машинного обучения и прогнозирования

Хорошая крепкая книга. Забавно, что известные задачи (классификация и кластеризация) и методы их решения (построение разделяющих гиперплоскостей и гиперповерхностей из этих гиперплоскостей), характерные для нейронных сетей, описываются без упоминания самих нейронных сетей. Хотя рассматривается ПЕРСЕПТРОН (многослойная нейронная сеть обучаемая под контролем учителя методом обратного распространения сигнала ошибки, как её определяли исследователи нейросетей в прошлом веке, например, Фред Розенблат в книжке «Неродинамика», Москва, МИР, 1965), как система обучаемая классификации под контролем учителя. Забавно. Очень забавно. Чем автору нейронные сети насолили? Ну хорошо – нейросети без нейросетей («Георгий без Георгия» – был такой вариант георгиевского креста для воинов-мусульман в царской армии России – фигура православного святого Георгия на коне и с пикой поражающей змея заменялась фигуркой орла). Главное, что, так или иначе даются актуальные алгоритмы машинного обучения и искусственного интеллекта – классификация текущей ситуации и попытка предсказания будущего. А чем ещё занимается наш естественный интеллект. Этим и занимается – анализом текущей ситуации и синтезом вариантов будущего. Машинный искусственный интеллект тоже занимается этим. Полезно иметь такую книгу в своей библиотеке и проработать её.

Отличная книга для тех, кто хочет познакомиться с математическими основами машинного обучения, но требует достаточно серозной математической подготовки.

Отличная книга. Если вы только делаете свои первые шаги в сфера машинного обучения, то она для вас подойдет идеально. Книга не для совсем новичков, но любой заинтересованный студент сможет разобраться.