Mastering Machine Learning Algorithms Second Edition

Эта книга представляет собой всестороннее руководство по алгоритмам машинного обучения, предназначенное для специалистов, желающих углубить свои знания и освоить продвинутые техники. Второе издание охватывает широкий спектр методов — от фундаментальных моделей и функций потерь до регуляризации и полу-контролируемого обучения.

Автор, Джузеппе Бонакорсо, подробно объясняет математические основы каждого алгоритма, включая такие концепции, как ёмкость Вапника-Червоненкиса, смещение и дисперсия оценки, а также граница Крамера-Рао. Особое внимание уделяется практическим аспектам: настройке моделей, выбору функций потерь и методам регуляризации (L1, L2, ElasticNet).

Книга содержит множество примеров кода и практических рекомендаций, которые помогут читателям не только понять теорию, но и применить её на практике. Рассматриваются такие темы, как масштабирование и отбеливание данных, кросс-валидация, а также стратегии борьбы с переобучением и недообучением.

Это издание идеально подходит для data scientists, инженеров машинного обучения и исследователей, которые хотят освоить продвинутые алгоритмы и научиться тонко настраивать модели для достижения максимальной производительности.