Mathematics for Machine Learning
Kurzinformation
inkl. MwSt. Versandinformationen
Artikel zZt. nicht lieferbar
Artikel zZt. nicht lieferbar

Beschreibung
"Mathematics for Machine Learning" von Marc Peter Deisenroth, A. Aldo Faisal und Cheng Soon Ong ist ein umfassendes Lehrbuch, das die mathematischen Grundlagen behandelt, die für das Verständnis und die Anwendung von maschinellem Lernen erforderlich sind. Das Buch zielt darauf ab, Lesern mit einem Hintergrund in Mathematik oder Informatik die notwendigen Konzepte und Techniken zu vermitteln. Die Inhalte des Buches sind in mehrere Hauptkapitel gegliedert: 1. **Vektorräume**: Einführung in grundlegende lineare Algebra, einschließlich Vektoren, Matrizen und deren Operationen. 2. **Analytische Geometrie**: Untersuchung der geometrischen Interpretation von Vektorräumen und linearen Transformationen. 3. **Matrizenrechnung**: Vertiefung der Matrixoperationen, Determinanten und Eigenwertprobleme. 4. **Wahrscheinlichkeitsrechnung**: Grundlagen der Wahrscheinlichkeitstheorie und Statistik zur Modellierung von Unsicherheiten in Daten. 5. **Optimierung**: Einführung in Optimierungstechniken, die entscheidend für das Training von Maschinenlernmodellen sind. Das Buch legt besonderen Wert auf die Verbindung zwischen diesen mathematischen Konzepten und ihrer Anwendung im Bereich des maschinellen Lernens. Es enthält zahlreiche Beispiele und Übungen, um das theoretische Wissen praktisch anzuwenden. Ziel ist es, den Lesern ein solides Fundament zu bieten, um fortgeschrittenere Themen im maschinellen Lernen zu erforschen.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
University College London
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- Kartoniert
- 576 Seiten
- Erschienen 2021
- Springer
- paperback
- 697 Seiten
- Erschienen 2021
- Springer
- Hardcover
- 622 Seiten
- Erschienen 2017
- Packt Publishing
- Kartoniert
- 339 Seiten
- Erschienen 2015
- Springer
- Gebunden
- 352 Seiten
- Erschienen 2005
- Springer
- hardcover
- 354 Seiten
- Erschienen 2015
- Nova Science Publishers Inc
- Gebunden
- 404 Seiten
- Erschienen 2004
- Birkhäuser
- Kartoniert
- 198 Seiten
- Erschienen 2019
- O'Reilly
- Gebunden
- 445 Seiten
- Erschienen 2017
- Springer




