Matematyka w uczeniu maszynowym

More about the book

Uczenie maszynowe staje się wszechobecne, a nowoczesne narzędzia do tworzenia aplikacji często pomijają szczegóły techniczne związane z obliczeniami i modelami matematycznymi. Choć jest to wygodne, niesie ryzyko braku świadomości konsekwencji wybranych rozwiązań, szczególnie ich mocnych i słabych stron. Aby podejść profesjonalnie do uczenia maszynowego, niezbędne są solidne podstawy matematyczne. Podręcznik ten skierowany jest do osób pragnących zrozumieć matematyczne fundamenty uczenia maszynowego oraz zdobyć praktyczne doświadczenie w stosowaniu pojęć matematycznych. Zawiera omówienie technik takich jak algebra liniowa, geometria analityczna, rozkłady macierzy, rachunek wektorowy, optymalizacja, probabilistyka i statystyka. Przedstawiono też matematyczne aspekty czterech podstawowych metod uczenia maszynowego: regresji liniowej, analizy głównych składowych, modeli mieszanin rozkładów Gaussa oraz maszyn wektorów nośnych. Każdy rozdział zawiera przykłady i ćwiczenia, które ułatwiają przyswajanie materiału. Książka obejmuje podstawy algebry, układy równań, macierze, rachunek prawdopodobieństwa, optymalizację oraz różne modele regresji. Matematyka jest kluczowa dla zrozumienia istoty sztucznej inteligencji!