Introduction to Machine Learning
Uitgelicht
|
29,99 |
Naar shop
|
|
29,99 |
Naar shop
|
|
29,99 |
Naar shop
|
Beschrijving
In de wereld van technologie en data-analyse heeft machine learning een revolutionaire impact. Dit onderwerp, dat zich richt op het vermogen van computers om te leren van voorbeelden en ervaringen om problemen op te lossen, wordt steeds crucialer voor zowel academici als professionals. De derde editie van "Introduction to Machine Learning" is een uitgebreide en grondig herziene tekst die een breed scala aan machine learning-onderwerpen behandelt, vaak niet aanwezig in andere inleidende teksten.
Dit boek richt zich op tal van belangrijke onderwerpen zoals:
- Supervised learning
- Bayesian decision theory
- Parametrische, semi-parametrische en niet-parametrische methoden
- Multivariate analyse
- Hidden Markov modellen
- Reinforcement learning
- Kernel machines
- Grafische modellen
- Bayesian schatting
- Statistische testen
De derde editie is ontworpen met het oog op de opkomende behoefte aan machine learning-vaardigheden. Het biedt uitgebreide ondersteuning voor beginner gebruikers, waaronder geselecteerde oplossingen voor oefeningen en extra datasets met beschikbare code voor praktische toepassingen. Nieuwe onderwerpen zoals outlier detectie, rangschikte algoritmen voor perceptrons en support vector machines, matrixdoorgang en spectrale methoden, evenals de niet-parametrische benadering van Bayesian-methoden zijn zorgvuldig opgenomen.
Wat deze editie bijzonder maakt, is de integratie van reproduceerbare code-voorbeelden in de tekst. Dit maakt de concepten van machine learning toegankelijker en begrijpelijker. De tekst begint met een inleiding tot de Wolfram-taal, die in de voorbeelden throughout het boek wordt gebruikt. Vervolgens worden de lezer geïntroduceerd in fundamentele concepten en belangrijke methoden zoals classificatie, regressie, clustering en deep learning, met een minimale wiskundige focus. Dit zorgt ervoor dat de nadruk ligt op de praktische toepassing van de geleerde concepten in relevante contexten.
"Introduction to Machine Learning" is geschikt voor zowel gevorderde bachelors als afgestudeerden en biedt ook waardevolle inzichten voor professionals die geïnteresseerd zijn in het toepassen van machine learning-methoden in hun werk. Of je nu nieuw bent in de wereld van kunstmatige intelligentie of je kennis wilt verdiepen, dit boek zal ongetwijfeld nuttig zijn en je helpen bij het verkennen van de fascinerende mogelijkheden van machine learning. Met 176 pagina’s vol kennis is dit boek een must-have voor iedereen met interesse in data-analyse en de toepassingen ervan in verschillende industrieën.
In de wereld van technologie en data-analyse heeft machine learning een revolutionaire impact. Dit onderwerp, dat zich richt op het vermogen van computers om te leren van voorbeelden en ervaringen om problemen op te lossen, wordt steeds crucialer voor zowel academici als professionals. De derde editie van "Introduction to Machine Learning" is een uitgebreide en grondig herziene tekst die een breed scala aan machine learning-onderwerpen behandelt, vaak niet aanwezig in andere inleidende teksten.
Dit boek richt zich op tal van belangrijke onderwerpen zoals:
- Supervised learning
- Bayesian decision theory
- Parametrische, semi-parametrische en niet-parametrische methoden
- Multivariate analyse
- Hidden Markov modellen
- Reinforcement learning
- Kernel machines
- Grafische modellen
- Bayesian schatting
- Statistische testen
De derde editie is ontworpen met het oog op de opkomende behoefte aan machine learning-vaardigheden. Het biedt uitgebreide ondersteuning voor beginner gebruikers, waaronder geselecteerde oplossingen voor oefeningen en extra datasets met beschikbare code voor praktische toepassingen. Nieuwe onderwerpen zoals outlier detectie, rangschikte algoritmen voor perceptrons en support vector machines, matrixdoorgang en spectrale methoden, evenals de niet-parametrische benadering van Bayesian-methoden zijn zorgvuldig opgenomen.
Wat deze editie bijzonder maakt, is de integratie van reproduceerbare code-voorbeelden in de tekst. Dit maakt de concepten van machine learning toegankelijker en begrijpelijker. De tekst begint met een inleiding tot de Wolfram-taal, die in de voorbeelden throughout het boek wordt gebruikt. Vervolgens worden de lezer geïntroduceerd in fundamentele concepten en belangrijke methoden zoals classificatie, regressie, clustering en deep learning, met een minimale wiskundige focus. Dit zorgt ervoor dat de nadruk ligt op de praktische toepassing van de geleerde concepten in relevante contexten.
"Introduction to Machine Learning" is geschikt voor zowel gevorderde bachelors als afgestudeerden en biedt ook waardevolle inzichten voor professionals die geïnteresseerd zijn in het toepassen van machine learning-methoden in hun werk. Of je nu nieuw bent in de wereld van kunstmatige intelligentie of je kennis wilt verdiepen, dit boek zal ongetwijfeld nuttig zijn en je helpen bij het verkennen van de fascinerende mogelijkheden van machine learning. Met 176 pagina’s vol kennis is dit boek een must-have voor iedereen met interesse in data-analyse en de toepassingen ervan in verschillende industrieën.
Prijzen voor het laatst bijgewerkt op: