Na styku matematyki i informatyki Uczenie maszynowe (ML) i nienaturalna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco tajemnicze, futurystyczne i z reguły wymagające posiadania dość szerokiej wiedzy i umiejętności matematycznych.
Stąd podręczniki akademickie poświęcone sztucznej inteligencji i uczeniu maszynowemu z zasady są grube, ciężkie i naszpikowane detalami. Niesprzyjające prędkiej nauce i w rzeczywistości wcale nie takie… podręczne.
Inaczej jest z tą niewielkich wymiarów książką. Jej autor pokazuje tematy związane z AI i ML z naciskiem na matematykę, tłumaczy jednak wszystko krok po kroku ― tak żeby czytelnikom było łatwiej je zrozumieć.
Zagadnienia matematyczne są tu objaśniane o tyle, o ile jest to potrzebne dla opanowania solidnych treści z zakresu uczenia maszynowego. Odszukasz tu omówienie takich kluczowych zagadnień jak: Wnioskowanie bayesowskie Metoda największej wiarygodności Modele liniowe Zmienne informatywne i entropia informacji Łańcuch Markowa Ocena modelu Powyższy opis pochodzi od wydawcy.