Understanding Machine Learning - From Theory To Algorithms de Shalev-Shwartz Shai Format Beau livre

Understanding Machine Learning - From Theory To Algorithms - Shalev-Shwartz Shai

Format: Beau livre

Note : 0

Soyez le premier à donner un avis

Vous en avez un à vendre ?

Vendez-le-vôtre

85,92 €

Produit Neuf

Ou 21,48 € /mois

Livraison à 0,01 €
Livré entre le 5 et le 12 mai

Voir les modes de livraison

PRO Vendeur favori

4,9/5 sur + de 1 000 ventes

Brand new, In English, Fast shipping from London, UK; Tout neuf, en anglais, expédition rapide depuis Londres, Royaume-Uni;ria9781107057135_dbm

Vous avez choisi le retrait chez le vendeur à

Payez directement sur Rakuten (CB, PayPal, 4xCB...)
Récupérez le produit directement chez le vendeur
Rakuten vous rembourse en cas de problème

Terminer ma commande

Gratuit et sans engagement

Félicitations !

Nous sommes heureux de vous compter parmi nos membres du Club Rakuten !

TROUVER UN MAGASIN

Adresse

Retour

Horaires

Note :

Avis sur Understanding Machine Learning - From Theory To Algorithms de Shalev - Shwartz Shai Format Beau livre - Livre Informatique

Note : 0 0 avis sur Understanding Machine Learning - From Theory To Algorithms de Shalev - Shwartz Shai Format Beau livre - Livre Informatique

Donnez votre avis

Donnez votre avis sur ce produit

Votre note * : 1/5 2/5 3/5 4/5 5/5 Veuillez donner une note au produit

Le titre de votre avis* : Saisissez un titre

Quelques conseils :

Donnez le ton de votre avis, résumez-le en quelques mots qui apparaîtront comme le titre de votre avis.

Votre avis* : (40 caractères minimum) Saisissez un avis

Quelques conseils :

N'hésitez pas à mettre en avant les caractéristiques de ce produit, n'oubliez pas de mentionner ses avantages et/ou ses défauts éventuels. Décrivez précisément, argumentez, soyez convaincant !

Annuler

Les avis publiés font l'objet d'un contrôle automatisé de Rakuten.

Produits similaires

Présentation Understanding Machine Learning - From Theory To Algorithms de Shalev - Shwartz Shai Format Beau livre
- Livre Informatique

Livre Informatique - Shalev-Shwartz Shai - 17/07/2014 - Beau livre

Auteur(s) : Shalev-Shwartz Shai - Ben-David Shai

Editeur : Cambridge University Press

Parution : 17/07/2014

Nombre de pages : 397

Nombre de livres : 1

Expédition : 903

Dimensions : 26.1 x 18.2 x 3

ISBN : 1107057132

Résumé :
Machine learning is one of the fastest growing areas of computer science, with far-reaching applications. The aim of this textbook is to introduce machine learning, and the algorithmic paradigms it offers, in a principled way. The book provides an extensive theoretical account of the fundamental ideas underlying machine learning and the mathematical derivations that transform these principles into practical algorithms. Following a presentation of the basics of the field, the book covers a wide array of central topics that have not been addressed by previous textbooks. These include a discussion of the computational complexity of learning and the concepts of convexity and stability . important algorithmic paradigms including stochastic gradient descent, neural networks, and structured output learning . and emerging theoretical concepts such as the PAC-Bayes approach and compression-based bounds. Designed for an advanced undergraduate or beginning graduate course, the text makes the fundamentals and algorithms of machine learning accessible to students and nonexpert readers in statistics, computer science, mathematics, and engineering.

Biographie:
Shai Shalev-Shwartz is an Associate Professor in the School of Computer Science and Engineering at The Hebrew University, Israel. Shai Ben-David is a Professor in the School of Computer Science at the University of Waterloo, Canada.

Sommaire:
1. Introduction; Part I. Foundations: 2. A gentle start; 3. A formal learning model; 4. Learning via uniform convergence; 5. The bias-complexity trade-off; 6. The VC-dimension; 7. Non-uniform learnability; 8. The runtime of learning; Part II. From Theory to Algorithms: 9. Linear predictors; 10. Boosting; 11. Model selection and validation; 12. Convex learning problems; 13. Regularization and stability; 14. Stochastic gradient descent; 15. Support vector machines; 16. Kernel methods; 17. Multiclass, ranking, and complex prediction problems; 18. Decision trees; 19. Nearest neighbor; 20. Neural networks; Part III. Additional Learning Models: 21. Online learning; 22. Clustering; 23. Dimensionality reduction; 24. Generative models; 25. Feature selection and generation; Part IV. Advanced Theory: 26. Rademacher complexities; 27. Covering numbers; 28. Proof of the fundamental theorem of learning theory; 29. Multiclass learnability; 30. Compression bounds; 31. PAC-Bayes; Appendix A. Technical lemmas; Appendix B. Measure concentration; Appendix C. Linear algebra.

Détails de conformité du produit

Consulter les détails de conformité de ce produit (

Personne responsable dans l'UE

)

Understanding Machine Learning - From Theory To Algorithms - Shalev-Shwartz Shai

Avis sur Understanding Machine Learning - From Theory To Algorithms de Shalev - Shwartz Shai Format Beau livre - Livre Informatique

Présentation Understanding Machine Learning - From Theory To Algorithms de Shalev - Shwartz Shai Format Beau livre - Livre Informatique

Présentation Understanding Machine Learning - From Theory To Algorithms de Shalev - Shwartz Shai Format Beau livre
- Livre Informatique