کتاب Optimization for Data Analysis

وضعیت موجودی موجود

مقایسه شود

قیمت قبلی: 3,980,000 ریال

قیمت: 3,580,000 ریال

جلد سخت سیاه و سفید

Product details

Publisher ‏ : ‎ Cambridge University Press; New edition (April 28, 2022)
Language ‏ : ‎ English
Hardcover ‏ : ‎ 238 pages
ISBN-10 ‏ : ‎ 1316518981
ISBN-13 ‏ : ‎ 978-1316518984

Optimization techniques are at the core of data science, including data analysis and machine learning. An understanding of basic optimization techniques and their fundamental properties provides important grounding for students, researchers, and practitioners in these areas. This text covers the fundamentals of optimization algorithms in a compact, self-contained way, focusing on the techniques most relevant to data science. An introductory chapter demonstrates that many standard problems in data science can be formulated as optimization problems. Next, many fundamental methods in optimization are described and analyzed, including: gradient and accelerated gradient methods for unconstrained optimization of smooth (especially convex) functions; the stochastic gradient method, a workhorse algorithm in machine learning; the coordinate descent approach; several key algorithms for constrained optimization problems; algorithms for minimizing nonsmooth functions arising in data science; foundations of the analysis of nonsmooth functions and optimization duality; and the back-propagation approach, relevant to neural networks.

منابع کتاب کتاب Optimization for Data Analysis

تکنیک‌های بهینه‌سازی در هسته علم داده قرار دارند، از جمله تجزیه و تحلیل داده‌ها و یادگیری ماشین. درک تکنیک‌های بهینه‌سازی اولیه و ویژگی‌های اساسی آن‌ها زمینه‌های مهمی را برای دانشجویان، محققان و شاغلین در این زمینه‌ها فراهم می‌کند. این متن اصول الگوریتم‌های بهینه‌سازی را به روشی فشرده و مستقل پوشش می‌دهد و بر تکنیک‌های مرتبط با علم داده تمرکز دارد. یک فصل مقدماتی نشان می دهد که بسیاری از مسائل استاندارد در علم داده را می توان به عنوان مسائل بهینه سازی فرموله کرد. در مرحله بعد، بسیاری از روش‌های اساسی در بهینه‌سازی توصیف و تحلیل می‌شوند، از جمله: روش‌های گرادیان و گرادیان شتاب‌دار برای بهینه‌سازی نامحدود توابع صاف (مخصوصاً محدب). روش گرادیان تصادفی، یک الگوریتم اسب کاری در یادگیری ماشین. رویکرد نزول مختصات؛ چندین الگوریتم کلیدی برای مسائل بهینه سازی محدود. الگوریتم هایی برای به حداقل رساندن توابع غیرهموار ناشی از علم داده. مبانی تحلیل توابع غیرهموار و دوگانگی بهینه سازی. و رویکرد انتشار معکوس، مربوط به شبکه های عصبی.