Математика у машинному навчанні. Марк Пітер Дайзенрот

Фундаментальні математичні дисципліни, необхідні розуміння машинного навчання, — це лінійна алгебра, аналітична геометрія, векторний аналіз, оптимізація, теорія ймовірностей і статистика. Традиційно всі ці теми розмазані за різними курсами, тому студентам, які вивчають data science або computer science, а також професіоналам у МО, складно побудувати знання на єдину концепцію. Ця книга є самодостатньою: читач знайомиться з базовими математичними концепціями, а потім переходить до чотирьох основних методів МО: лінійної регресії, методу головних компонентів, гаусового моделювання та методу опорних векторів. Тим, хто тільки починає вивчати математику, такий підхід допоможе розвинути інтуїцію та отримати практичний досвід у застосуванні математичних знань, а для читачів з базовою математичною освітою книга стане відправною точкою для більш просунутого знайомства з машинним навчанням. Про авторів Марк Пітер Дайзенрот – керівник DeepMind у галузі штучного інтелекту (Університетський коледжі Лондона). Сфера його наукових інтересів включає дата-ефективне навчання, ймовірнісне моделювання та автономне прийняття рішень. Його дослідження відзначали премії «За кращу наукову роботу» на конференціях ICRA 2014 та ICCAS 2016. Марк удостоєний премії для видатних молодих дослідників в Імперському коледжі Лондона, корпоративної премії для співробітників Google та гранту на здобуття PhD від Microsoft. А. Альдо Фейзал очолює лабораторію з вивчення мозку та поведінки в Імперському коледжі Лондона, він викладає на факультетах біоінженерії та обчислювальної техніки, а також є членом інституту дослідження даних. Він керує Науково-дослідним та інноваційним центром Великобританії (UKRI), який займається підготовкою докторів наук у галузі штучного інтелекту та охорони здоров'я. Він отримав ступінь PhD у галузі обчислювальної нейрофізіології в Кембриджському університеті та став молодшим науковим співробітником у лабораторії обчислювального та біологічного навчання. Сфера його наукових інтересів розташовується на стику нейрофізіології та машинного навчання; він прагне зрозуміти принципи поведінки та роботи мозку та виконати їх зворотне проектування. Чен Сунь Він є головним науковим співробітником у Дослідницькій групі з машинного навчання (Data61, CSIRO), а також асоційованим ад'юнкт-професором в Австралійському національному університеті. Сфера його наукових інтересів пов'язані з розширеним використанням статистичних методів машинного навчання. Він отримав ступінь PhD з інформатики в Австралійському національному університеті у 2005 році, а також виступав з лекціями на факультеті інформатики у Швейцарській вищій технічній школі Цюріха та у команді діагностичної геноміки у NICTA, Мельбурн.