Cuốn sách giáo khoa này trình bày các khái niệm cơ bản về học máy một cách dễ hiểu bằng cách đưa ra lời khuyên thực tế, sử dụng các ví dụ đơn giản và đưa ra các cuộc thảo luận hấp dẫn về các ứng dụng có liên quan. Các chủ đề chính bao gồm bộ phân loại Bayes, bộ phân loại lân cận gần nhất, bộ phân loại tuyến tính và đa thức, cây quyết định, mạng lưới thần kinh và máy vectơ hỗ trợ. Các chương sau sẽ trình bày cách kết hợp các công cụ đơn giản này bằng cách “tăng cường”, cách khai thác chúng trong các lĩnh vực phức tạp hơn và cách giải quyết các vấn đề thực tiễn nâng cao đa dạng. Một chương dành riêng cho các thuật toán di truyền phổ biến. Phiên bản sửa đổi này bao gồm ba chương hoàn toàn mới về các chủ đề quan trọng liên quan đến ứng dụng thực tế của học máy trong công nghiệp. Các chương này xem xét các lĩnh vực đa nhãn, học tập không giám sát và cách sử dụng nó trong học sâu cũng như các phương pháp tiếp cận logic đối với quy nạp cũng như Lập trình logic quy nạp. Nhiều chương đã được mở rộng và cách trình bày tài liệu đã được nâng cao. Cuốn sách bao gồm nhiều bài tập mới, nhiều ví dụ đã được giải, các thí nghiệm kích thích tư duy và bài tập trên máy tính để làm việc độc lập.

Abstract:

This textbook presents fundamental machine learning concepts in an easy to understand manner by providing practical advice, using straightforward examples, and offering engaging discussions of relevant applications. The main topics include Bayesian classifiers, nearest-neighbor classifiers, linear and polynomial classifiers, decision trees, neural networks, and support vector machines. Later chapters show how to combine these simple tools by way of “boosting,” how to exploit them in more complicated domains, and how to deal with diverse advanced practical issues. One chapter is dedicated to the popular genetic algorithms. This revised edition contains three entirely new chapters on critical topics regarding the pragmatic application of machine learning in industry. The chapters examine multi-label domains, unsupervised learning and its use in deep learning, and logical approaches to induction as well as Inductive Logic Programming. Numerous chapters have been expanded, and the presentation of the material has been enhanced. The book contains many new exercises, numerous solved examples, thought-provoking experiments, and computer assignments for independent work.

Ngôn ngữ:	En
Tác giả:	Miroslav Kubat
Thông tin nhan đề:	An Introduction to Machine Learning
Nhà xuất bản:	Springer
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/share-your-work/use-remix/cc-licenses/#by
Nguồn gốc:	https://www.dbooks.org/an-introduction-to-machine-learning-3319639137/
Mô tả vật lý:	348p.
Năm xuất bản:	2017