Хвалебни отзиви за първото издание:

„В девет кратки, но богати на информация глави, авторите предоставят логично структурирано и солидно въведение в математическите и статистическите методи, които са в основата на все още развиващата се област на изкуствения интелект и науката за данни.“ - Йоаким Рокльов и Алберт А. Гейл, International Journal of Epidemiology, том 49, брой 6

„Тази книга организира алгоритмите ясно и умело. Начинът, по който е написан Python кодът, следва алгоритъма отблизо – много полезно за читателите, които искат да разберат логиката и потока на фоновите знания.“ - Йин-Джу Лай и Чухсинг Кейт Хсиао, Biometrics, том 77, брой 4

Data Science and Machine Learning: Mathematical and Statistical Methods цели да предостави достъпно, но изчерпателно учебно пособие, предназначено за студенти, заинтересовани да придобият по-добро разбиране на математиката и статистиката, които стоят в основата на богатото разнообразие от идеи и алгоритми за машинно обучение в науката за данни.

Новото във второто издание

Това разширено издание предоставя актуализации в ключови области на статистическото учене:

• Методи на Монте Карло: Нов раздел, въвеждащ регенеративен метод за отхвърляне - по-простата алтернатива на MCMC.
• Ненаблюдавано учене: Включване на два многоизмерни оценителя на плътност с дифузионен ядрен метод, както и метод за съвпадение на отклонението на широчината за оптимален избор на широчина, базиран на данни.
• Регресия: Нов автоматичен избор на широчина за локална линейна регресия.
• Избор и свиване на характеристики: Нова глава, представяща метода klimax за избор на модел в високи размерности.
• Засилено обучение: Нова глава за съвременни теми като итерация на политики, времеви разлики и методи с градиент на политика, всички придружени с Python код.
• Приложения: Разширено третиране на линейна алгебра, функционален анализ и оптимизация, включващи метода на координатен спад и новия метод на главировка-минимизиране за ограничена оптимизация.

Основни характеристики:

• Фокус върху математическото разбиране.
• Презентацията е самостоятелна, достъпна и изчерпателна.
• Обширен списък с упражнения и разработени примери.
• Много конкретни алгоритми със Python код.
• Пълноцветно издание и обширен индекс.
• Едноместно последователно номериране на всички теореми, дефиниции, уравнения и др. за по-лесно търсене в текста.

Страници: 730, Размери: 17.8x17.8 см