Un primo corso di apprendimento automatico

Recensioni dei lettori

Il libro è apprezzato per le sue spiegazioni fortemente intuitive delle tecniche di apprendimento automatico, che lo rendono accessibile anche a chi ha familiarità con le notazioni di base. Tuttavia, i lettori hanno notato diversi problemi, in particolare per quanto riguarda gli errori di battitura e la formattazione nella versione elettronica, oltre alla mancanza di copertura di alcuni argomenti.

⬤ Forte intuizione e spiegazioni matematiche accessibili.
⬤ Ottimo per la costruzione di conoscenze di base nell'apprendimento automatico.
⬤ Organizzazione chiara e flusso logico dei contenuti.
⬤ Eccellente come primo libro per chi è alle prime armi con l'apprendimento automatico.
⬤ Narrazioni piacevoli e confronti di metodi.

⬤ Numerosi refusi ed errori in tutto il libro.
⬤ La versione elettronica ha problemi di formattazione con le formule matematiche.
⬤ Alcuni lettori hanno trovato gli esempi in MATLAB invece che in Python.
⬤ Le pagine sono sottili e rendono la lettura meno confortevole.
⬤ Alcuni recensori hanno affermato che è necessaria una maggiore conoscenza del calcolo e dell'algebra lineare.

(basato su 21 recensioni dei lettori)

Titolo originale:

A First Course in Machine Learning

Contenuto del libro:

"A First Course in Machine Learning di Simon Rogers e Mark Girolami è il miglior libro introduttivo al ML attualmente disponibile. Combina rigore e precisione con l'accessibilità, parte da una spiegazione dettagliata dei fondamenti dell'analisi bayesiana in contesti semplicissimi e arriva fino alle frontiere della materia, come i modelli a miscela infinita, i GP e l'MCMC".

--Devdatt Dubhashi, professore, Dipartimento di Informatica e Ingegneria, Università di Chalmers, Svezia.

"Questo libro di testo riesce a essere più facile da leggere rispetto ad altri libri analoghi sull'argomento, pur mantenendo tutta la trattazione rigorosa necessaria. I nuovi capitoli lo pongono all'avanguardia del settore, trattando argomenti che sono diventati mainstream nell'apprendimento automatico nell'ultimo decennio".

--Daniel Barbara, George Mason University, Fairfax, Virginia, USA.

"La nuova edizione di A First Course in Machine Learning di Rogers e Girolami è un'eccellente introduzione all'uso dei metodi statistici nell'apprendimento automatico. Il libro introduce concetti come la modellazione matematica, l'inferenza e la predizione, fornendo 'just in time' il background essenziale di algebra lineare, calcolo e teoria della probabilità di cui il lettore ha bisogno per comprendere questi concetti".

--Daniel Ortiz-Arroyo, professore associato dell'Università di Aalborg Esbjerg, Danimarca.

"Sono rimasto impressionato da quanto il materiale si allinei alle esigenze di un corso introduttivo sull'apprendimento automatico, il che è il suo più grande punto di forza... Nel complesso, si tratta di un libro pragmatico e utile, ben allineato alle esigenze di un corso introduttivo e che prenderò in considerazione per i miei studenti nei prossimi mesi".

--David Clifton, Università di Oxford, Regno Unito.

"La prima edizione di questo libro era già un eccellente testo introduttivo sull'apprendimento automatico per un corso di laurea avanzato o per un master, o per chiunque voglia conoscere un campo interessante e importante dell'informatica. I capitoli aggiuntivi di materiale avanzato su processi gaussiani, MCMC e modellazione delle miscele forniscono una base ideale per progetti pratici, senza disturbare l'esposizione molto chiara e leggibile delle nozioni di base contenuta nella prima parte del libro".

--Gavin Cawley, Senior Lecturer, School of Computing Sciences, University of East Anglia, UK.

"Questo libro potrebbe essere utilizzato da studenti universitari junior/senior o da laureati al primo anno, così come da individui che vogliono esplorare il campo dell'apprendimento automatico... Il libro introduce non solo i concetti ma anche le idee alla base dell'implementazione degli algoritmi da una prospettiva di pensiero critico".

--Guangzhi Qu, Oakland University, Rochester, Michigan, USA.