深入理解機器學習
作 者: (以)沙伊·沙萊夫-施瓦茨(Shai Shalev-Shwartz) 等 著；張文生 等 譯
定 價: 79
出?版?社: 機械工業出版社
出版日期: 2016年07月01日
頁 數: 309
裝 幀: 平裝
ISBN: 9787111543022
內容簡介
沙伊·沙萊夫-施瓦茨、沙伊·本-戴維著的《深入理解機器學習（從原理到算法）》涵蓋了機器學習領域中的嚴謹理論和實用方法，討論了學習的計算復雜度、凸性和穩定性、PAC-貝葉斯方法、壓縮界等概念，並介紹了一些重要的算法範式，包括隨機梯度下降網絡以及結構化輸出。
全書講解全面透徹，適合有一定基礎的高年級本科生和研究生學習，也適合作為IT行業從事數據分析和挖掘的專業人員以及研究人員參考閱讀。
(以)沙伊·沙萊夫-施瓦茨(Shai Shalev-Shwartz) 等 著；張文生 等 譯
沙伊·沙萊夫-施瓦茨，以色列希伯來大學計算機及工程學院副教授，還在Mobileye公司研究自動駕駛。2009年之前他在芝加哥的豐田技術研究所工作。他的研究方向是機器學習算法。
沙伊·本-戴維，加拿大滑鐵盧大學計算機科學學院教授。先後在以色列理工學院、澳大利亞國立大學和康奈爾大學任教。
前言Understanding Machine Learning:From Theory to Algorithms“機器學習”旨在從數據中自動識別有意義的模式。過去幾十年中，機器學習成為一項常用工具，幾乎所有需要從大量數據集合中提取信息的任務都在使用它。我們身邊的許多技術都以機器學習為基礎：搜索引擎學習在帶給我們最佳的搜索結果的同時，植入可以盈利的廣告；屏蔽軟件學習過濾垃圾郵件；用於保護信用卡業務的軟件學習識別欺詐。數碼相機學習人臉識別，智能電話上的個人智能助手學習識別語音命令。汽車配備了用機器學習算法搭建的交通事故預警繫統。同時機器學習還被廣泛應用於各個科學領域，例如生物信息學、醫藥以及天文學等。
這些應用領域的一個共同特點在於，與相對傳統的計算機應用相比，所需識別的模式更復雜。在......
"
