“Optimization and Machine learning” by Patrick Siarry является подробным руководством по новым технологиям оптимизации и машинного обучения, которые стремительно внедряются во все сферы нашей жизни. Книга будет полезна для студентов различных специальностей, изучающих машинное обучение и научные области, связанные с математикой, теорией алгоритмов, инженерией и информационной технологией. В книге рассматриваются теоретические основы машинного обучения и оптимизации, а также ряд практических приложений.
Основной целью книги является демонстрация инновационных подходов к использованию методов машинного обучения в инженерии. Для повышения эффективности анализа сложных моделей используется комплексный подход к анализу данных, с использованием инструментов Data Science и Big Data. Целью является ознакомление с алгоритмами оптимизации и методами машинного обучения.
В первой части книги рассматриваются приложения, в которых оптимизация играет важную роль, такие как управление энергопотреблением, контроль состояния оборудования и промышленные системы контроля состояния, автомобильные системы и прочее. Вторая часть книги посвящена изучению новых методов искусственного интеллекта и компьютерного зрения, таких как нейронные сети, локальные методы регуляризации, набор данных AdaBoost и другие. Большое внимание уделяется экспериментам и их анализу в рамках машинного обучения с опорой на искусственный интеллект.
Электронная Книга «Optimization and Machine Learning» написана автором Patrick Siarry в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119902874
Описание книги от Patrick Siarry
Machine learning and optimization techniques are revolutionizing our world. Other types of information technology have not progressed as rapidly in recent years, in terms of real impact. The aim of this book is to present some of the innovative techniques in the field of optimization and machine learning, and to demonstrate how to apply them in the fields of engineering.<br /><br /><i>Optimization and Machine Learning</i> presents modern advances in the selection, configuration and engineering of algorithms that rely on machine learning and optimization. The first part of the book is dedicated to applications where optimization plays a major role, and the second part describes and implements several applications that are mainly based on machine learning techniques. The methods addressed in these chapters are compared against their competitors, and their effectiveness in their chosen field of application is illustrated.
