Mathematics for Machine Learning /
Contiene: I) Fundamentos matemáticos: 1. Introducción y motivación; 2. Algebra lineal; 3. Geometría analítica; 4. Descomposición de matrices; 5. Cálculo vectorial; 6. Probabilidad y distribuciones; 7. Optimización continua. II) Problemas centrales de aprendizaje automático: 8. Cuando los modelos se...
Guardado en:
| Autor principal: | |
|---|---|
| Otros autores: | , |
| Formato: | Libro |
| Idioma: | Inglés |
| Publicado: |
Nueva York, EUA :
Cambridge University,
2021, c2020
|
| Temas: | |
| Etiquetas: |
Sin etiquetas, Sé el primero en etiquetar este registro!
|
| Resumen: | Contiene: I) Fundamentos matemáticos: 1. Introducción y motivación; 2. Algebra lineal; 3. Geometría analítica; 4. Descomposición de matrices; 5. Cálculo vectorial; 6. Probabilidad y distribuciones; 7. Optimización continua. II) Problemas centrales de aprendizaje automático: 8. Cuando los modelos se encuentran con los datos; 9. Regresión lineal; 10. Reducción de dimensionalidad con análisis de los principales componentes; 11. Estimación de densidad con modelos gaussianos de mezcla; 12. Clasificación con máquinas vectoriales de apoyo. |
|---|---|
| Descripción física: | XVII, 371 p. |
| Público: | 2021 BO Maestría en Ciencia de Datos 2024 BO Licenciatura en Ingeniería en Mecatrónica 2024 BO Licenciatura en Ingeniería Financiera 2025 BO Licenciatura en Ingeniería y Ciencia de Datos |
| ISBN: | 978-1-108-45514-5 |