Un primo corso di apprendimento automatico

Recensioni dei lettori

Il libro è ampiamente considerato una solida risorsa per la comprensione della matematica alla base dell'apprendimento automatico, che enfatizza le spiegazioni intuitive e un approccio strutturato. È consigliato a chi ha una familiarità di base con i concetti di apprendimento automatico, ma è stato criticato per errori tipografici, problemi con la versione elettronica e la formattazione, e per alcuni argomenti mancanti. Può servire come solida introduzione, ma i lettori potrebbero aver bisogno di materiale supplementare per una comprensione completa.

⬤ Ottimo per costruire l'intuizione sulle tecniche di apprendimento automatico.
⬤ Le spiegazioni matematiche accessibili lo rendono facile per i principianti.
⬤ Organizzazione ben strutturata e logica.
⬤ Forte per chi vuole capire la matematica che sta alla base del ML piuttosto che usare solo le librerie.
⬤ Piacevole da leggere, anche per i non esperti di ML.
⬤ Spedizione veloce e qualità fisica decente.

⬤ Diversi refusi ed errori presenti nel testo.
⬤ Le formule matematiche non vengono visualizzate correttamente nella versione elettronica.
⬤ Alcune critiche sull'uso di esempi in Matlab invece che in Python.
⬤ Le pagine sottili nella versione fisica potrebbero essere un problema per alcuni lettori.
⬤ Alcuni argomenti mancanti, come i regressori SVM, richiedono la consultazione di risorse aggiuntive.

(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 nelle impostazioni più semplici e arriva fino alle frontiere dell'argomento, 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, Regno Unito.

Questo libro potrebbe essere utilizzato da studenti universitari junior/senior o da laureati al primo anno, così come da persone 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.