Николенко Сергей Скачать все книги 4 Количество книг

Машинное обучение давно уже стало синонимом искусственного интеллекта. Оно проникло во многие аспекты нашей жизни и стало одной из важнейших областей современной науки. Эта книга – путеводитель по ключевым идеям машинного обучения. Вы узнаете, как методы машинного обучения получаются из основных принципов теории вероятностей, пройдёте путь от теоремы Байеса до обобщённых линейных моделей и узнаете в лицо тех китов, на которых стоит весь современный искусственный интеллект. Множество увлекательных кейсов, практических примеров и интересных задач – от анализа ретроспективных научных исследований до эффекта «горячей руки» в баскетболе – помогут разобраться в самых сложных концепциях. Кроме того, книга может лечь в основу базовых курсов по машинному обучению.

Цель данного учебника – ознакомить читателя с байесовскими сетями доверия как логико-вероятностной графической моделью баз фрагментов знаний с неопределенностью, которую можно использовать в интеллектуальных системах, поддерживающих принятие решений, а также с алгебраическими байесовскими сетями, позволяющими обработку не только скалярных, но и интервальных оценок вероятностей, и с их приложениями. В основу учебника положен курс лекций, разработанный и читаемый авторами для студентов магистратуры СПбГУ. Настоящее издание полностью обеспечивает программу учебной дисциплины «Теория байесовских сетей» Санкт-Петербургского государственного университета, которая входит в вариативную часть первого семестра обучения по основной образовательной программе высшего образования магистратуры «Математическое обеспечение и администрирование информационных систем». Учебник адресован студентам и аспирантам, специализирующимся в области математики и информатики, а также специалистам, в круг профессиональных интересов которых входят теория и практические приложения байесовских сетей.

Перед вами – первая книга о глубоком обучении, написанная на русском языке. Глубокие модели оказались ключом, который подходит ко всем замкам сразу: новые архитектуры и алгоритмы обучения, а также увеличившиеся вычислительные мощности и появившиеся огромные наборы данных привели к революционным прорывам в компьютерном зрении, распознавании речи, обработке естественного языка и многих других типично «человеческих» задачах машинного обучения. Эти захватывающие идеи, вся история и основные компоненты революции глубокого обучения, а также самые современные достижения этой области доступно и интересно изложены в книге. Максимум объяснений, минимум кода, серьезный материал о машинном обучении и увлекательное изложение – в этой уникальной работе замечательных российских ученых и интеллектуалов.

Книга посвящена одной из самых практически применимых, активных и быстроразвивающихся областей современной информатики, объединяющей множество методов из различных областей математики и не только математики – машинному обучению. В книге обсуждаются основы многих базовых аппаратов машинного обучения: деревья принятия решений, искусственные нейронные сети, генетические алгоритмы, байесовские классификаторы, алгоритмы кластеризации и обучение с подкреплением. Изложение ведется увлекательным языком, книгу интересно читать, и она доступна даже не очень подготовленному читателю. Однако при этом сохраняется математическая строгость, а наиболее сложные части изложения заинтересуют и профессионалов. Книга снабжена обширной аннотированной библиографией. Читать книгу смогут даже старшеклассники, хотя она будет представлять несомненный профессиональный интерес и для студентов всех курсов, изучающих математику и информатику, а также для специалистов и аспирантов, ведущих исследования в соответствующих областях. В этом отношении значительная часть материала монографии сможет сыграть роль углубленного учебного пособия.