16.1K ·GitHub
Что это?
Это сопутствующий сайт к книге «Mathematics For Machine Learning» с упражнениями и ноутбуками Jupyter, которые дополняют главы книги.
Это сопутствующий сайт к книге «Mathematics For Machine Learning» с упражнениями и ноутбуками Jupyter, которые дополняют главы книги.Это полная книга или только дополнительные материалы?Это дополнительные материалы, а не текст самой книги. Полное издание публикует отдельно Cambridge University Press, а в этом репозитории размещены сопутствующие упражнения и ноутбуки.
Это дополнительные материалы, а не текст самой книги. Полное издание публикует отдельно Cambridge University Press, а в этом репозитории размещены сопутствующие упражнения и ноутбуки.Как запустить ноутбуки?Их можно запустить онлайн по ссылке из README или открыть сразу в Google Colab. Чтобы попробовать, ничего настраивать на своём компьютере не нужно.
Их можно запустить онлайн по ссылке из README или открыть сразу в Google Colab. Чтобы попробовать, ничего настраивать на своём компьютере не нужно.Нужно ли самому устанавливать Python или Jupyter?Нет, ноутбуки работают онлайн на Binder или в Google Colab, поэтому ими можно пользоваться прямо в браузере, ничего не устанавливая на компьютер.
Нет, ноутбуки работают онлайн на Binder или в Google Colab, поэтому ими можно пользоваться прямо в браузере, ничего не устанавливая на компьютер.Эта книга охватывает продвинутые методы машинного обучения?Нет, она намеренно не касается продвинутых методов машинного обучения, так как их уже разбирают многие другие книги. Здесь речь только о математических навыках, необходимых для их понимания.
Нет, она намеренно не касается продвинутых методов машинного обучения, так как их уже разбирают многие другие книги. Здесь речь только о математических навыках, необходимых для их понимания.Как устроена книга?Она разделена на две части: в первой части рассматриваются математические основы с упражнениями, а во второй — примеры алгоритмов машинного обучения, построенных на этих основах, с сопутствующими ноутбуками Jupyter.
Она разделена на две части: в первой части рассматриваются математические основы с упражнениями, а во второй — примеры алгоритмов машинного обучения, построенных на этих основах, с сопутствующими ноутбуками Jupyter.Какие алгоритмы машинного обучения разобраны в ноутбуках?Сейчас в ноутбуках разобраны линейная регрессия, метод главных компонент (PCA) и смеси гауссовых распределений (GMM). Для каждого алгоритма есть обучающий ноутбук и ноутбук с решениями.
Сейчас в ноутбуках разобраны линейная регрессия, метод главных компонент (PCA) и смеси гауссовых распределений (GMM). Для каждого алгоритма есть обучающий ноутбук и ноутбук с решениями.Для кого на самом деле предназначена эта книга?Она рассчитана на тех, кто хочет освоить математические навыки, необходимые для чтения других, более продвинутых книг по машинному обучению, а не на тех, кто уже хорошо владеет этой математикой.
Она рассчитана на тех, кто хочет освоить математические навыки, необходимые для чтения других, более продвинутых книг по машинному обучению, а не на тех, кто уже хорошо владеет этой математикой.What are similar projects?Book4_Power-of-Matrix, Book-Mathematical-Foundation-of-Reinforcement-Learning, The-Art-of-Linear-Algebra, awesome-math, Probabilistic-Programming-and-Bayesian-Methods-for-Hackers, the-craft-of-selfteaching, awesome-datascience, MathModel
Book4_Power-of-Matrix, Book-Mathematical-Foundation-of-Reinforcement-Learning, The-Art-of-Linear-Algebra, awesome-math, Probabilistic-Programming-and-Bayesian-Methods-for-Hackers, the-craft-of-selfteaching, awesome-datascience, MathModelWhich topics is it in?linear-algebra, textbook, science, students, mathematics, statistics, academic, jupyter notebook, data-science, book, beginner-friendly, guide
linear-algebra, textbook, science, students, mathematics, statistics, academic, jupyter notebook, data-science, book, beginner-friendly, guide