Mon compte Ma liste - 0
	Catalogue   Ressources numériques   Nouveautés   Liens utiles   Mon compte

Recherche rapide Recherche avancée Recherche alphabétique Historique Information

Recherche  AuteurTitreSujetTitre de revueCollectionCotes BUCotes ENSEACotes IUFM       Modifier la recherche     > CERGY

Elargir la recherche         Sur le même sujet :     Apprentissage automatique -- Mathématiques     Machine learning -- Mathematics     Parcourir le catalogue     par auteur:      Deisenroth , Marc Peter , 19..-.... , chercheur en intelligence artificielle      Faisal , A. Aldo , 19..-.... , chercheur en neurosciences et apprentissage automatique      Ong , Cheng Soon , 19..-.... , chercheur en apprentissage automatique       Rechercher sur Internet     Localiser dans une autre bibliothèque (SUDOC) (PPN ou ISBN ou ISSN)     Aperçu dans Google Books     Affichage MARC

Auteur :  Deisenroth , Marc Peter , 19..-.... , chercheur en intelligence artificielle Faisal , A. Aldo , 19..-.... , chercheur en neurosciences et apprentissage automatique Ong , Cheng Soon , 19..-.... , chercheur en apprentissage automatique Titre :  Mathematics for machine learning , Marc Peter Deisenroth,... A. Aldo Faisal,... Cheng Soon Ong,... Editeur :  Cambridge [etc.] : Cambridge University Press , 2020 Description :  1 vol. (XVII-371 p.) : ill. en noir et en coul., couv. ill. en coul. ; 26 cm ISBN:  978-1-108-47004-9 , rel. , 78,65 EUR 978-1-108-45514-5 , br. Notes :  Bibliogr. p. 357-366. Index The fundamental mathematical tools needed to understand machine learning include linear algebra, analytic geometry, matrix decompositions, vector calculus, optimization, probability and statistics. These topics are traditionally taught in disparate courses, making it hard for data science or computer science students, or professionals, to efficiently learn the mathematics. This self-contained textbook bridges the gap between mathematical and machine learning texts, introducing the mathematical concepts with a minimum of prerequisites. It uses these concepts to derive four central machine learning methods: linear regression, principal component analysis, Gaussian mixture models and support vector machines. For students and others with a mathematical background, these derivations provide a starting point to machine learning texts. For those learning the mathematics for the first time, the methods help build intuition and practical experience with applying mathematical concepts. Every chapter includes worked examples and exercises to test understanding. Programming tutorials are offered on the book's web site. Sujet :  Apprentissage automatique -- Mathématiques Machine learning -- Mathematics   Exemplaires Site Emplacement Cote Type de prêt Statut   Ensea Espace bibliothèque ENSEA 006.31 DEI Empruntable Disponible

Pour toute question, contactez la bibliothèque

Horizon Information Portal 3.25_france_v1m© 2001-2019 SirsiDynix Tous droits réservés.