Uczenie maszynowe. Elementy matematyki w analizie danych

Na styku matematyki i informatykiUczenie maszynowe oraz sztuczna inteligencja to obecnie dwa najważniejsze i najbardziej dyskutowane tematy w dziedzinie informatyki, tuż obok komputerów kwantowych. Choć niosą one ze sobą pewną dozę tajemniczości i futurystycznego uroku, wymagają również solidnej wiedzy matematycznej. To sprawia, że typowe podręczniki dotyczące tych obszarów często są obszernymi i szczegółowymi tomami, które mogą stanowić wyzwanie dla uczących się w szybkim tempie.W odróżnieniu od masywnych podręczników, ta niewielka książka skupia się na wyjaśnieniu złożonych tematów związanych z AI i ML, przy czym autor stawia na stopniowe i klarowne przedstawienie zagadnień, co sprawia, że stają się one bardziej przystępne. Elementy matematyczne są wprowadzane w takim stopniu, w jakim są konieczne do pełnego zrozumienia materiału dotyczącego uczenia maszynowego.W książce poruszone są istotne tematy takie jak:- Wnioskowanie bayesowskie- Metoda największej wiarygodności- Modele liniowe- Zmienne informatywne i entropia informacji- Łańcuch Markowa- Ocena modeluKsiążka może być szczególnie przydatna dla tych, którzy aspirują do zdobycia wiedzy z dziedziny AI i ML przy minimalnym początkowym zapleczu matematycznym.