Книга "Оптимальное обучение" (Optimal Learning) рассказывает о науке сбора информации для принятия эффективных решений. Она представляет принципы сбора информации для принятия решений, особенно когда сбор информации требует большого количества времени и денег. Книга предназначена для читателей с элементарными знаниями в области вероятности и статистики, и содержит эффективные и практические методы, иллюстрированные на широком спектре приложений, от энергетики, национальной безопасности и транспорта до инженерии, здравоохранения и бизнеса.
В книге описываются основные аспекты проблемы обучения и представлен простой метод тестирования и сравнения методов обучения. Особое внимание уделяется политике знаний и ее использованию с широким спектром моделей убеждений, включая таблицы поиска и параметрические модели для решения онлайн и офлайн задач. Три раздела книги развивают идеи с увеличением уровня сложности: основы, расширения и приложения и продвинутые темы.
Каждая глава идентифицирует конкретную проблему обучения, представляет связанные с ней практические алгоритмы для реализации и заканчивается множеством упражнений. На связанном веб-сайте представлены дополнительные приложения и загружаемое программное обеспечение, включая MATLAB и Optimal Learning Calculator - пакет на основе электронных таблиц, который предоставляет введение в обучение и различные методы обучения.
Optimal Learning - это книга, написанная Ильей Рыжовым, автором, который специализируется на обучении и принятии решений. Книга представляет собой практическое руководство по сбору информации для принятия эффективных решений. Ежедневно мы принимаем решения, не имея доступа к точной информации. Optimal Learning развивает необходимые принципы сбора информации для принятия решений, особенно когда сбор информации занимает много времени и стоит дорого. Книга предназначена для читателей с элементарным знанием вероятности и статистики, и содержит эффективные и практические политики, которые иллюстрируются в широком спектре приложений, от энергетики, национальной безопасности и транспорта до инженерии, здравоохранения и бизнеса. В этой книге рассматриваются фундаментальные аспекты проблемы обучения и представлен простой метод тестирования и сравнения политик обучения. Особое внимание уделяется политике градиента знаний и ее использованию с широким спектром моделей убеждений, включая таблицы поиска и параметрические модели для онлайн- и оффлайн-задач. В трех разделах развиваются идеи с возрастающей сложностью: Fundamentals исследует фундаментальные темы, включая адаптивное обучение, ранжирование и выбор, градиент знаний и задачи с подбрасыванием монет. Расширения и Приложения представляют покрытие линейных моделей убеждений и выборок.
Электронная Книга «Optimal Learning» написана автором Ryzhov Ilya O. в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118309827
Описание книги от Ryzhov Ilya O.
Learn the science of collecting information to make effective decisions Everyday decisions are made without the benefit of accurate information. Optimal Learning develops the needed principles for gathering information to make decisions, especially when collecting information is time-consuming and expensive. Designed for readers with an elementary background in probability and statistics, the book presents effective and practical policies illustrated in a wide range of applications, from energy, homeland security, and transportation to engineering, health, and business. This book covers the fundamental dimensions of a learning problem and presents a simple method for testing and comparing policies for learning. Special attention is given to the knowledge gradient policy and its use with a wide range of belief models, including lookup table and parametric and for online and offline problems. Three sections develop ideas with increasing levels of sophistication: Fundamentals explores fundamental topics, including adaptive learning, ranking and selection, the knowledge gradient, and bandit problems Extensions and Applications features coverage of linear belief models, subset selection models, scalar function optimization, optimal bidding, and stopping problems Advanced Topics explores complex methods including simulation optimization, active learning in mathematical programming, and optimal continuous measurements Each chapter identifies a specific learning problem, presents the related, practical algorithms for implementation, and concludes with numerous exercises. A related website features additional applications and downloadable software, including MATLAB and the Optimal Learning Calculator, a spreadsheet-based package that provides an introduction to learning and a variety of policies for learning.
