Книга Основи машинного навчання для аналітичного прогнозування, Джон Д. Келлехер, Брайан Мак-Неймі, Аоіфе д’Арсі

Книга є підручником, у якому дано основи машинного навчання з акцентом на комерційні додатки. Вона пропонує докладний опис найбільш важливих підходів до машинного навчання, які використовуються в інтелектуальному аналізі даних, що охоплюють як теоретичні концепції, так і практичне використання. Формальний математичний матеріал доповнюється пояснювальними прикладами, а приклади досліджень ілюструють застосування цих моделей в більш широкому контексті бізнесу.
У книзі розглянуто інформаційне навчання, навчання на основі подібності, розподіл усіх навчання і навчання на основі помилок. Опису кожного з цих підходів передує пояснення основної концепції, за якою слідують математичні моделі і алгоритми, ілюстровані детальними робочими прикладами. У книзі розглядаються методи оцінки моделей прогнозування та пропонуються два тематичних дослідження, які описують конкретні проекти аналізу даних на кожному етапі розробки, починаючи від формулювання бізнес-завдання і закінчуючи реалізацією аналітичного рішення.
Книга “Основи машинного навчання для аналітичного прогнозування” може використовуватись як підручник для студентів та аспірантів, що спеціалізуються в галузі машинного навчання, інформатики, інженерії, математики та статистики, а також як довідник для професіоналів. Машинне навчання часто використовується для побудови моделей прогностичних шляхом вилучення шаблонів з великих наборів даних. Ці моделі використовуються в додатках для прогнозування даних, включаючи прогнозування цін, оцінку ризику, прогнозування поведінки клієнтів і класифікацію документів.
Цей вступний підручник пропонує докладний і цілеспрямоване розгляд найбільш важливих підходів до комп’ютерного навчання, що використовуються в інтелектуальному аналізі даних, що охоплюють як теоретичні концепції, так і практичне використання. Формальний математичний матеріал доповнюється пояснювальними прикладами, а приклади досліджень ілюструють застосування цих моделей в більш широкому контексті бізнесу. Після обговорення переходу від підготовки даних до розуміння рішення, в книзі описуються чотири підходи до комп’ютерного навчання: інформаційне навчання, навчання на основі подібності, розподіл усіх навчання і навчання на основі помилок.
Опису кожного з цих підходів передує пояснення основної концепції, за якою слідують математичні моделі і алгоритми, ілюстровані детальними робочими прикладами. Нарешті, у книзі “Основи машинного навчання…” розглядаються методи оцінки моделей прогнозування та пропонуються два тематичні дослідження, які описують конкретні проекти аналізу даних на кожному етапі розробки, починаючи від формулювання бізнес-завдання та закінчуючи реалізацією аналітичного рішення.
Книга є результатом багаторічної роботи авторів в області машинного навчання та інтелектуального аналізу даних і підходить для використання студентами в галузі інформатики, інженерії, математики або статистики, аспірантами, що спеціалізуються в областях, пов’язаних з інтелектуальним аналізом даних, а також професіоналами в якості довідника.

Зміст Книга Основи машинного навчання для аналітичного прогнозування:

• Глава 1. Методи машинного навчання для аналітичного прогнозування
• Глава 2. Дані – висновки – рішення
• Глава 3. Вивчення даних
• Глава 4. Інформаційне навчання
• Глава 5. Навчання на основі подібності
• Глава 6. Вірогідне навчання
• Глава 7. Навчання на основі помилок
• Глава 8. Оцінювання
• Глава 9. Тематичний приклад: відтік клієнтів
• Глава 10. Тематичний приклад: класифікація галактик
• Глава 11. Мистецтво машинного навчання для аналітичного прогнозування