Na styku matematyki i informatyki Uczenie maszynowe (ML) i nienaturalna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco nieodgadnione, futurystyczne i typowo wymagające posiadania dość wielkiej wiedzy i umiejętności matematycznych.
Stąd podręczniki akademickie poświęcone nienaturalnej inteligencji i uczeniu maszynowemu zwykle są grube, ciężkie i naszpikowane detalami. Niesprzyjające szybkiej nauce i w rzeczywistości wcale nie takie… podręczne.
Inaczej jest z tą niewielkich wymiarów książką. Jej autor ukazuje tematy związane z AI i ML z naciskiem na matematykę, tłumaczy jednak wszystko krok po kroku ― tak żeby czytelnikom było łatwiej je zrozumieć.
Zagadnienia matematyczne są tu objaśniane o tyle, o ile jest to konieczne dla opanowania solidnych treści z zakresu uczenia maszynowego. Wynajdziesz tu omówienie takich kluczowych zagadnień jak: Wnioskowanie bayesowskie Metoda największej wiarygodności Modele liniowe Zmienne informatywne i entropia danych Łańcuch Markowa Ocena modelu Powyższy opis pochodzi od wydawcy.
