جلد سخت سیاه و سفید
Product details
- Publisher : Cambridge University Press; New edition (April 28, 2022)
- Language : English
- Paperback : 350 pages
- ISBN-10 : 100900185X
- ISBN-13 : 978-1009001854
کتاب Mathematical Pictures at a Data Science Exhibition
This text provides deep and comprehensive coverage of the mathematical background for data science, including machine learning, optimal recovery, compressed sensing, optimization, and neural networks. In the past few decades, heuristic methods adopted by big tech companies have complemented existing scientific disciplines to form the new field of Data Science. This text embarks the readers on an engaging itinerary through the theory supporting the field. Altogether, twenty-seven lecture-length chapters with exercises provide all the details necessary for a solid understanding of key topics in data science. While the book covers standard material on machine learning and optimization, it also includes distinctive presentations of topics such as reproducing kernel Hilbert spaces, spectral clustering, optimal recovery, compressed sensing, group testing, and applications of semidefinite programming. Students and data scientists with less mathematical background will appreciate the appendices that provide more background on some of the more abstract concepts.
منابع کتاب کتاب Mathematical Pictures at a Data Science Exhibition
این متن پوشش عمیق و جامعی از پس‌زمینه ریاضی علوم داده، از جمله یادگیری ماشین، بازیابی بهینه، سنجش فشرده، بهینه‌سازی و شبکه‌های عصبی ارائه می‌کند. در چند دهه گذشته، روش‌های اکتشافی که توسط شرکت‌های بزرگ فناوری اتخاذ شده‌اند، رشته‌های علمی موجود را تکمیل کرده‌اند تا زمینه جدیدی از علم داده را شکل دهند. این متن خوانندگان را از طریق تئوری حمایت کننده از این زمینه، سفری جذاب را آغاز می کند. در مجموع، بیست و هفت فصل سخنرانی با تمرین‌ها، تمام جزئیات لازم برای درک کامل موضوعات کلیدی در علم داده را ارائه می‌دهند. در حالی که این کتاب مطالب استاندارد در مورد یادگیری ماشین و بهینه سازی را پوشش می دهد، همچنین شامل ارائه های متمایز از موضوعاتی مانند بازتولید فضاهای هیلبرت هسته، خوشه بندی طیفی، بازیابی بهینه، سنجش فشرده، تست گروهی و کاربردهای برنامه نویسی نیمه معین دانش‌آموزان و دانشمندان داده با پیش‌زمینه‌های ریاضی کمتر، از ضمیمه‌هایی که پیش‌زمینه بیشتری در مورد برخی از مفاهیم انتزاعی‌تر ارائه می‌دهند، قدردانی خواهند کرد.
ارسال نظر درباره کتاب Mathematical Pictures at a Data Science Exhibition