Engelska · 338 sidor · 2022
- Språk
- Engelska
- Omfång
- 338 sidor
- Utgiven
- 2022
"This book introduces machine learning for readers with some background in basic linear algebra, statistics, probability, and programming. In a coherent statistical framework it covers a selection of supervised machine learning methods, from the most fundamental (k-NN, decision trees, linear and logistic regression) to more advanced methods (deep neural networks, support vector machines, Gaussian processes, random forests and boosting), plus commonly-used unsupervised methods (generative modeling, k-means, PCA, autoencoders and generative adversarial networks). Careful explanations and pseudo-code are presented for all methods. The authors maintain a focus on the fundamentals by drawing connections between methods and discussing general concepts such as loss functions, maximum likelihood, the bias-variance decomposition, ensemble averaging, kernels and the Bayesian approach along with generally useful tools such as regularization, cross validation, evaluation metrics and optimization methods. The final chapters offer practical advice for solving real-world supervised machine learning problems and on ethical aspects of modern machine learning"--
"This book introduces machine learning for readers with some background in basic linear algebra, statistics, probability, and programming. In a coherent statistical framework it covers a selection of supervised machine learning methods, from the most fundamental (k-NN, decision trees, linear and logistic regression) to more advanced methods (deep neural networks, support vector machines, Gaussian processes, random forests and boosting), plus commonly-used unsupervised methods (generative modeling, k-means, PCA, autoencoders and generative adversarial networks). Careful explanations and pseudo-code are presented for all methods. The authors maintain a focus on the fundamentals by drawing connections between methods and discussing general concepts such as loss functions, maximum likelihood, the bias-variance decomposition, ensemble averaging, kernels and the Bayesian approach along with generally useful tools such as regularization, cross validation, evaluation metrics and optimization methods. The final chapters offer practical advice for solving real-world supervised machine learning problems and on ethical aspects of modern machine learning"--
Priser & butiker
Priser & butiker
4 butiker · · lägsta pris först
Skriver du om boken på en blogg eller sajt? .
- Frakt
- Frakt från 35 kr · fri frakt över 249 kr
- Leverans
- 2-3 vardagar. Levereras hem eller till ombud. Skickas med Schenker eller Early Bird.
- Betalning
- Kort · Swish · Faktura 30 dagar · Delbetalning · Direktbank
- Öppet köp
- 30 dagars öppet köp
- Omdöme
- 3.8 av 5 på Trustpilot (10 197 omdömen)
- Frakt
- Frakt från 39 kr · fri frakt över 249 kr
- Leverans
- 2-4 vardagar. Levereras hem eller till ombud. Skickas med PostNord.
- Betalning
- Kort · Swish · Klarna · Faktura 30 dagar · Delbetalning
- Öppet köp
- 30 dagars öppet köp
- Omdöme
- 4.2 av 5 på Trustpilot (456 omdömen)
- Frakt
- Frakt från 39 kr · fri frakt över 399 kr
- Leverans
- 1-5 vardagar. Levereras hem, till ombud eller till paketskåp. Skickas med Early Bird, Instabox, Budbee Box eller DB Schenker.
- Betalning
- Kort · Swish · Faktura 14 dagar · Delbetalning
- Öppet köp
- 14 dagars öppet köp
- Omdöme
- 3.7 av 5 på Trustpilot (742 omdömen)
- Frakt
- Frakt från 29 kr · fri frakt över 249 kr
- Leverans
- 2-3 vardagar. Levereras hem, till ombud eller till paketskåp. Skickas med Budbee eller Instabox.
- Betalning
- Kort · Swish · Klarna · Faktura 30 dagar · Delbetalning
- Öppet köp
- 30 dagars öppet köp
- Medlemskap
- Bokus Play · 5 % medlemsrabatt · fri frakt för medlemmar
- Omdöme
- 3.4 av 5 på Trustpilot (1 639 omdömen)
- Frakt
- Frakt från 35 kr · fri frakt över 249 kr
- Leverans
- 2-3 vardagar. Levereras hem eller till ombud. Skickas med Schenker eller Early Bird.
- Betalning
- Kort · Swish · Faktura 30 dagar · Delbetalning · Direktbank
- Öppet köp
- 30 dagars öppet köp
- Omdöme
- 3.8 av 5 på Trustpilot (10 197 omdömen)
- Frakt
- Frakt från 39 kr · fri frakt över 249 kr
- Leverans
- 2-4 vardagar. Levereras hem eller till ombud. Skickas med PostNord.
- Betalning
- Kort · Swish · Klarna · Faktura 30 dagar · Delbetalning
- Öppet köp
- 30 dagars öppet köp
- Omdöme
- 4.2 av 5 på Trustpilot (456 omdömen)
- Frakt
- Frakt från 39 kr · fri frakt över 399 kr
- Leverans
- 1-5 vardagar. Levereras hem, till ombud eller till paketskåp. Skickas med Early Bird, Instabox, Budbee Box eller DB Schenker.
- Betalning
- Kort · Swish · Faktura 14 dagar · Delbetalning
- Öppet köp
- 14 dagars öppet köp
- Omdöme
- 3.7 av 5 på Trustpilot (742 omdömen)
- Frakt
- Frakt från 29 kr · fri frakt över 249 kr
- Leverans
- 2-3 vardagar. Levereras hem, till ombud eller till paketskåp. Skickas med Budbee eller Instabox.
- Betalning
- Kort · Swish · Klarna · Faktura 30 dagar · Delbetalning
- Öppet köp
- 30 dagars öppet köp
- Medlemskap
- Bokus Play · 5 % medlemsrabatt · fri frakt för medlemmar
- Omdöme
- 3.4 av 5 på Trustpilot (1 639 omdömen)
Samma ISBN jämförs hos alla butiker — priserna gäller samma utgåva.
Annonslänkar: Booki kan få provision när du handlar via våra länkar. Det påverkar inte ditt pris. Externa länkar utan pris ingår inte i jämförelsen.
Annonslänkar: Booki kan få provision när du handlar via våra länkar. Det påverkar inte ditt pris. Externa länkar utan pris ingår inte i jämförelsen.
Håll koll på priset
Håll koll på priset
Väntar du på ett lägre pris?
Bevaka priset på denna utgåva av Machine Learning och få besked när det sjunker.
Spara den här boken
Logga in för att lägga till i din bokhylla, bevaka priset och recensera.
Om boken
"This book introduces machine learning for readers with some background in basic linear algebra, statistics, probability, and programming. In a coherent statistical framework it covers a selection of supervised machine learning methods, from the most fundamental (k-NN, decision trees, linear and logistic regression) to more advanced methods (deep neural networks, support vector machines, Gaussian processes, random forests and boosting), plus commonly-used unsupervised methods (generative modeling, k-means, PCA, autoencoders and generative adversarial networks). Careful explanations and pseudo-code are presented for all methods. The authors maintain a focus on the fundamentals by drawing connections between methods and discussing general concepts such as loss functions, maximum likelihood, the bias-variance decomposition, ensemble averaging, kernels and the Bayesian approach along with generally useful tools such as regularization, cross validation, evaluation metrics and optimization methods. The final chapters offer practical advice for solving real-world supervised machine learning problems and on ethical aspects of modern machine learning"--
"This book introduces machine learning for readers with some background in basic linear algebra, statistics, probability, and programming. In a coherent statistical framework it covers a selection of supervised machine learning methods, from the most fundamental (k-NN, decision trees, linear and logistic regression) to more advanced methods (deep neural networks, support vector machines, Gaussian processes, random forests and boosting), plus commonly-used unsupervised methods (generative modeling, k-means, PCA, autoencoders and generative adversarial networks). Careful explanations and pseudo-code are presented for all methods. The authors maintain a focus on the fundamentals by drawing connections between methods and discussing general concepts such as loss functions, maximum likelihood, the bias-variance decomposition, ensemble averaging, kernels and the Bayesian approach along with generally useful tools such as regularization, cross validation, evaluation metrics and optimization methods. The final chapters offer practical advice for solving real-world supervised machine learning problems and on ethical aspects of modern machine learning"--
Bokfakta
Författare
Andreas Lindholm, Niklas Wahlström, Fredrik Lindsten, Thomas Schön
Förlag
University of Cambridge ESOL Examinations
Utgivningsår
2022
Sidantal
338
Språk
Engelska
Fysiska detaljer
illustrations (some color)
Dewey
006.31
ISBN
9781108843607
Kategorier
Medverkande
Författare
Andreas Lindholm, Niklas Wahlström, Fredrik Lindsten, Thomas Schön



