Code Ban DFP

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

Note : 0

0 avis
  • Soyez le premier à donner un avis
Livre - Shai Shalev-Shwartz - 17/07/2014 - Cartonné

Résumé :Machine learning is one of the fastest growing areas of computer science, with far-reaching applications. This book explains the principles behind the automated learning approach and...

Sélectionné pour vous

53,49 €

Produit Neuf 

Commentaire vendeur :

Tous nos articles sont neufs et en stocks. Les commandes reçues avant 15H partiront le jour même depuis notre entrepôt au Royaume-Uni, et arriveront dans un délai de 5 à 7 jours ouvrables. Plus de 500 000 titres en stocks sont prêts à être expédiés.

En livraison (Voir tous les modes)

  • Livraison à 0,01 €


Autres vendeurs

Votre annonce en quelques clics, des millions d'acheteurs potentiels

PUBLICITÉ

7 vendeurs pour Understanding Machine Learning - From Theory To Algorithms de Shai Shalev-Shwartz

Mode de livraison : Expedition

Nanteuil-les-Meaux

Rayon : 10km autour


Retrait chez le vendeur uniquement

Publicité
 
Vous avez choisi le retrait chez le vendeur à
  • Payez directement sur PriceMinister(CB, Paypal, 3xCB...)
  • Récupérez le produit directement chez le vendeur
  • PriceMinister vous rembourse en cas de problème
  • Découvrez notre

    CLUB DE FIDÉLITÉ
    Rakuten Club Card
  • Un Club

    GRATUIT
    Rakuten Club Card
  • Rakuten Club Card
  • ET ENCORE PLUS D'AVANTAGES
    Rakuten Club Card
  • ADHÉREZ GRATUITEMENT AU
    Rakuten Club Card
  • FÉLICITATIONS!

    Cumulez dès maintenant vos Super Points.

    Rakuten Club Card

    Après votre premier achat, vous recevrez un e-mail pour finaliser votre inscription.

Avis sur "Understanding Machine Learning - From Theory To Algorithms de Shai Shalev - Shwartz" - Livre

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

Gagnez jusqu'à 500 € en donnant votre avis


Edito

  • Auteur(s) : Shai Shalev-Shwartz
  • Editeur : Mathematical Association Of Am
  • Parution : 17/07/2014
  • Nombre de pages : 409
  • Nombre de livres : 1
  • Expédition : 903
  • Dimensions : 26.10 x 18.20 x 3.00

Résumé :
Machine learning is one of the fastest growing areas of computer science, with far-reaching applications. This book explains the principles behind the automated learning approach and the considerations underlying its usage. The authors explain the 'hows' and 'whys' of machine-learning algorithms, making the field accessible to both students and practitioners.

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.