Представлены фундаментальные знания и практические инструменты в области машинного обучения, в том числе более 100 углубленных упражнений на языке Python. Дано введение в машинное обучение и математическую оптимизацию, включая методы первого и второго порядков, градиентного спуска и Ньютона. Приведено полное описание обучения с учителем, включая линейную регрессию, двухклассовую и многоклассовую классификацию, а также обучение без учителя и фундаментальные методы генерации признаков Дано введение в нелинейное обучение с учителем и без. Обсуждается тема автоматизированного отбора подходящих нелинейных моделей, включая перекрестную валидацию, бустирование, регуляризацию и ансамблирование. Рассмотрены фиксированно-контурные ядра, нейронные сети, деревья и другие универсальные аппроксиматоры. Отдельно дана полная трактовка продвинутых методов оптимизации. Электронный архив на сайте издательства содержит коды всех примеров и более 300 цветных иллюстраций.
Predstavleny fundamentalnye znaniya i prakticheskie instrumenty v oblasti mashinnogo obucheniya, v tom chisle bolee 100 uglublennykh uprazhneniy na yazyke Python. Dano vvedenie v mashinnoe obuchenie i matematicheskuyu optimizatsiyu, vklyuchaya metody pervogo i vtorogo poryadkov, gradientnogo spuska i Nyutona. Privedeno polnoe opisanie obucheniya s uchitelem, vklyuchaya lineynuyu regressiyu, dvukhklassovuyu i mnogoklassovuyu klassifikatsiyu, a takzhe obuchenie bez uchitelya i fundamentalnye metody generatsii priznakov Dano vvedenie v nelineynoe obuchenie s uchitelem i bez. Obsuzhdaetsya tema avtomatizirovannogo otbora podkhodyashchikh nelineynykh modeley, vklyuchaya perekrestnuyu validatsiyu, bustirovanie, regulyarizatsiyu i ansamblirovanie. Rassmotreny fiksirovanno-konturnye yadra, neyronnye seti, derevya i drugie universalnye approksimatory. Otdelno dana polnaya traktovka prodvinutykh metodov optimizatsii. Elektronnyy arkhiv na sayte izdatelstva soderzhit kody vsekh primerov i bolee 300 tsvetnykh illyustratsiy.