• Autor de la entrada:
  • Categoría de la entrada:Libros
Anuncios


No es ningún secreto que las matemáticas son la base del aprendizaje automático y son vitales para comprender los fundamentos del campo. Para tener éxito como practicante del aprendizaje automático, el conocimiento de los fundamentos matemáticos aplicables es absolutamente necesario. 

¿Dónde puedes acudir para repasar sus matemáticas de aprendizaje automático o fortalecer su comprensión ampliando esa base?

Matemáticas para el aprendizaje automático es un libro actualmente en desarrollo por Marc Peter Deisenroth, A Aldo Faisal y Cheng Soon Ong, con el objetivo de motivar a las personas a aprender conceptos matemáticos, y que será publicado por Cambridge University Press. 


Te puede interesar también:

Según los autores, el objetivo del texto es proporcionar las habilidades matemáticas necesarias para leer posteriormente libros sobre temas de aprendizaje automático más avanzados.

Figura

Directamente de las páginas del libro:

Si bien el aprendizaje automático ha visto muchas historias de éxito y el software está fácilmente disponible para diseñar y entrenar sistemas de aprendizaje automático ricos y flexibles, creemos que los fundamentos matemáticos del aprendizaje automático son importantes para comprender los principios fundamentales sobre los cuales se basan los sistemas de aprendizaje automático más complicados. construido. Comprender estos principios puede facilitar la creación de nuevas soluciones de aprendizaje automático, la comprensión y la depuración de enfoques existentes y el aprendizaje sobre las suposiciones y limitaciones inherentes de las metodologías con las que estamos trabajando.

Matemáticas para el aprendizaje automático se divide en dos partes:

  • Fundamentos matemáticos
  • Ejemplos de algoritmos de aprendizaje automático que utilizan los fundamentos matemáticos

La tabla de contenido se desglosa de la siguiente manera:

Parte I: Fundamentos Matemáticos

Anuncios
  1. Introducción y Motivación
  2. Álgebra lineal
  3. Geometría analítica
  4. Descomposiciones de matrices
  5. Cálculo vectorial
  6. Probabilidad y Distribución
  7. Optimización Continua

Parte II: Problemas centrales de aprendizaje automático

  1. Cuando los modelos se encuentran con los datos
  2. Regresión lineal
  3. Reducción de dimensionalidad con análisis de componentes principales
  4. Estimación de densidad con modelos de mezcla gaussiana
  5. Clasificación con máquinas de vectores de soporte

Como es evidente, la primera parte del libro cubre conceptos matemáticos puros, sin entrar en absoluto en el aprendizaje automático. La segunda parte centra su atención en la aplicación de estas nuevas habilidades matemáticas a los problemas de aprendizaje automático. Según tus deseos, puede adoptar un enfoque de arriba hacia abajo o de abajo hacia arriba para aprender tanto el aprendizaje automático como sus matemáticas subyacentes, o elegir una parte de la otra en la que centrarse.
Imagen tomada del libro.

Puedes descargar la versión PDF del libro aquí. Aunque el libro ya se ha publicado, los autores continuarán proporcionando un PDF descargable del libro después de la publicación.

El objetivo es proporcionar un libro breve y conciso, que luego se complementa con ejercicios y cuadernos Jupyter. Para obtener más información, puede encontrar el sitio web complementario aquí.


Deja tus comentarios y sugerencias


Sobre Facialix

Facialix es un sitio web que tiene como objetivo apoyar en el aprendizaje y educación de jóvenes y grandes. Buscando y categorizando recursos educativos gratuitos de internet, de esta manera Facialix ayuda en el constante aprendizaje de todos.


Deja una respuesta

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.