Introduction to Predictive Learning - Vladimir Cherkassky,Yunqian Ma
-35% su kodu BOOKS
Pristatymas per 28-34 d.d.
30 dienų grąžinimo politika
This textbook offers a non-mathematical approach to machine learning, emphasizing its predictive methodology. Descriptions start with conceptual and philosophical aspects of predictive learning, and proceeds to a systematic coverage of constructive learning algorithms, introduced under coherent predictive learning framework. Significant portions of this text focus on the philosophical aspects learning and ... Visas aprašymas
Jums taip pat gali patikti
TOP
If Anyone Builds It, Everyone Dies: Why Superhuman AI Would Kill Us All
Eliezer Yudkowsky, Nate Soares
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How To Think About AI: A Guide For The Perplexed
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Gödel, Escher, Bach: An Eternal Golden Braid
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
AI Engineering: Building Applications with Foundation Models
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Empire of AI: Dreams and Nightmares in Sam Altman's OpenAI
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Python Crash Course: A Hands-On, Project-Based Introduction to Programming
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Rust Programming Language
Steve Klabnik, Carol Nichols, Chris Krycho
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How to Talk to AI: (And How Not To)
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Pragmatic Programmer: journey to mastery, 20th Anniversary Edition, 2/e: your journey to mastery, 20th Anniversary Edition
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Hackers. 25th Anniversary Edition: Heroes of the Computer Revolution
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Art of Game Design: A Book of Lenses
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How Linux Works: What Every Superuser Should Know
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Hands-On Large Language Models: Language Understanding and Generation
Maarten Grootendorst, Jay Alammar
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Fundamentals of Software Architecture: A Modern Engineering Approach
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Speak Data: Artists, Scientists, Thinkers, and Dreamers on How We Live Our Lives in Numbers
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Slanted 47 Digital Tools: Slanted Magazine
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Clean Architecture: A Craftsman's Guide to Software Structure and Design
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
World of Warcraft Chronicle, Volume 2
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Linux Basics for Hackers, 2nd Edition: Getting Started with Networking, Scripting, and Security in Kali
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
Aprašymas
This textbook offers a non-mathematical approach to machine learning, emphasizing its predictive methodology. Descriptions start with conceptual and philosophical aspects of predictive learning, and proceeds to a systematic coverage of constructive learning algorithms, introduced under coherent predictive learning framework. Significant portions of this text focus on the philosophical aspects learning and generalization, an intriguing connection between philosophical ideas and technical aspects of machine learning, fully explored in this book, provides significant liberal arts component. In many real life situations, valid generalizations can be often mixed up with beliefs. However, beliefs usually have little objective (predictive) value. This book advocates critical attitude towards distinguishing between valid data-driven generalizations and beliefs, which becomes increasingly important in today's data-rich world. This book is designed for upper-level undergraduate students in engineering, computer science, and math. It provides a solid methodological background for students and practitioners, who are interested in real-life applications of machine learning, data mining and pattern recognition. Exercises, ranging from trivial programming to open-ended research questions, are provided in the end of each chapter, and can be used for self-study or for homework assignments. Supplemental material includes: solutions manual, lecture slides, data sets used in all examples, MATLAB scripts.
Daugiau informacijos
| Autorius | Vladimir Cherkassky, Yunqian Ma |
|---|---|
| Leidėjas | Springer London |
| Išleidimo metai | 2010 |
| Viršelio tipas | Kieti viršeliai |
| EAN | 9781441902580 |