7, Dec, 2024

«Mathematics for Machine Learning»: e-book gratuito

0

No es ningún secreto que las matemáticas son la base del aprendizaje automático y son vitales para comprender los fundamentos del campo. Para tener éxito como profesional de aprendizaje automático, el conocimiento de los fundamentos matemáticos aplicables es absolutamente necesario. ¿Dónde puede recurrir para repasar sus matemáticas de aprendizaje automático o fortalecer su comprensión al extender esa base?

Mathematics for Machine Learning es un libro actualmente en desarrollo por Marc Peter Deisenroth, A Aldo Faisal y Cheng Soon Ong, con el objetivo de motivar a las personas a aprender conceptos matemáticos y que Cambridge University Press publicará. Según los autores, el objetivo del texto es proporcionar las habilidades matemáticas necesarias para posteriormente leer libros sobre temas de aprendizaje automático más avanzados.

 

Directamente de las páginas del libro:

Si bien el aprendizaje automático ha visto muchas historias de éxito, y el software está disponible para diseñar y capacitar sistemas de aprendizaje automático ricos y flexibles, creemos que los fundamentos matemáticos del aprendizaje automático son importantes para comprender los principios fundamentales sobre los que se basan los sistemas de aprendizaje automático más complicados. construido. Comprender estos principios puede facilitar la creación de nuevas soluciones de aprendizaje automático, comprender y depurar los enfoques existentes y aprender sobre los supuestos y limitaciones inherentes de las metodologías con las que estamos trabajando.

 

Matemáticas para el aprendizaje automático se divide en dos partes:

Fundamentos matemáticos

Ejemplo de algoritmos de aprendizaje automático que usan los fundamentos matemáticos

 

La tabla de contenido se desglosa de la siguiente manera:

 

Parte I: Fundamentos matemáticos

Introducción y motivación

Álgebra lineal

Geometría analítica

Descomposiciones matriciales

Cálculo vectorial

Probabilidad y Distribución

Optimización continua

 

Parte II: Problemas centrales del aprendizaje automático

Cuando los modelos se encuentran con los datos

Regresión lineal

Reducción de dimensionalidad con análisis de componentes principales

Estimación de densidad con modelos de mezcla gaussiana

Clasificación con máquinas de vectores de soporte

 

Como es evidente, la primera parte del libro cubre conceptos matemáticos puros, sin entrar en el aprendizaje automático. La segunda parte dirige su atención a la aplicación de estas nuevas habilidades matemáticas a los problemas de aprendizaje automático. Dependiendo de sus deseos, puede adoptar un enfoque de arriba hacia abajo o de abajo hacia arriba para aprender tanto el aprendizaje automático como las matemáticas subyacentes, o elegir una parte y otra para enfocarse.

 

Figure

Imágen tomada del libro

 

Puede descargar un PDF del libro aquí. Aunque el libro se publicará en algún momento de este año, los autores continuarán proporcionando un PDF del libro que se puede descargar gratuitamente después de la publicación.

 

El objetivo es proporcionar un libro breve y conciso, que luego se aumenta con ejercicios y cuadernos Jupyter. Para obtener más información, puede encontrar el sitio web de companion aquí.

 

Fuente: https://www.kdnuggets.com/2020/04/mathematics-machine-learning-book.html

cinthya@gaiabit.com

Review overview