Understanding Machine Learning: From Theory To Algorithms

by shwartz

Very Goods Books Condition or 4-7 days Delivery.

Genres: Computer Science, Artificial Intelligence, Textbooks, Mathematics, Science, Programming, Technical

Paperback

First published April 30, 2014

Reviews

[Aroosha Dehghan · Rating 3 out of 5]

این کتاب خوبیه
اگر همزمان کلاس‌های شای بن دیوید تو یوتیوب رو هم ببینید خیلی بهتره.
همین کتاب رو تدریس می‌کنه

[Theivendiram Pranavan · Rating 4 out of 5]

Most of the core theories in ML are covered. It is suitable for CS enthusiastic people.

[Fasil · Rating 5 out of 5]

Definitely my machine learning bible. Far too many fields in this blossoming field have too much emphasis on the application and construction of algorithms and very few actually go in depth in the theory behind what makes a ML algorithm work. I would say every ML researcher should read this book once or at least have it as a reference.

[Abbas Mehrabian · Rating 5 out of 5]

Excellent introduction to Machine Learning Theory. I have written a Persian review: http://bi-nahayat.persianblog.ir/post...

[Alireza Aghamohammadi · Rating 5 out of 5]

مخاطب
کتاب درک یادگیری ماشین به مباحث نظری یادگیری ماشین می‌پردازد. مخاطبین این کتاب افرادی هستند که علاقمند به درک مباحث ریاضی پشت الگوریتم‌های یادگیری هستند.

محتوا
کتاب ابتدا با مفهوم یادگیری آغاز می‌کند و اینکه چطور می‌توان آن را به صورت احتمالی و محاسباتی بیان کرد. به همین منظور مدلی به نام Probably Approximately Correct یا همان PAC معرفی می‌کند. در باقی فصل‌های کتاب الگوریتم‌های یادگیری ماشین مانند درخت تصمیم، نزدیک‌ترین همسایه و ... را از منظر مدل PAC بررسی می‌کند.

یکی از بخش‌های جالب کتاب قضیه ناهار مجانی و اثبات آن بود و نتیجه‌ای که از آن می‌توان گرفت (حداقل در دنیای یادگیری ماشین):

There ain't no such thing as a free lunch

نویسنده دوم کتاب (بن دیوید) ویدیو‌های تدریس خود در دانشگاه واترلو را قرار داده است که از این لینک می‌توانید مشاهده کنید. البته ویدیوها فقط نیمه اول کتاب را در بر می‌گیرد.

جمع‌بندی
کتاب متن سلیسی دارد و خواندنش علی رغم ریاضیات سنگین آن برای بنده بسیار لذت‌بخش بود. اگر می‌خواهید درک عمیق‌تری نسبت به یادگیری ماشین داشته باشید، این کتاب فوق‌العاده است.

[Aadesh · Rating 4 out of 5]

Didn't get to finish all the chapters of the book in details but did read first few chapters minutely. The approach of the book was beneficial for me to grasp the concept of PAC and its implication in learning theory.

[Ivan · Rating 5 out of 5]

This was a pretty long project and a lot of fun once I deferred working through the proofs (I'm curious to take another stab at a deeper level and won't be surprised to have appetite for one more after)

Desireable outcomes when designing the algorithms, practical consequences and the lineage are very approachable otherwise

[Rohan Dalvi]

Used for a class as supplementary material. Think it would have been too dense without the class, but I thought it did a great job of conveying the theory behind ML in a way that was not overly abstract.

[Lan · Rating 4 out of 5]

very good fundamentals

[Lucas Chen · Rating 4 out of 5]

it was pretty good i don't feel like i need to read esl