गणितज्ञों के लिए मशीन सीखने का परिचय


23

कुछ अर्थों में यह math.stackexchange से मेरा एक क्रॉसपोस्ट है , और मुझे लगता है कि यह साइट एक व्यापक दर्शक प्रदान कर सकती है।

मैं मशीन लर्निंग के गणितीय परिचय की तलाश में हूं। विशेष रूप से, बहुत सारा साहित्य जो पाया जा सकता है वह अपेक्षाकृत अभेद्य है और बहुत सारे पृष्ठ बिना किसी सामग्री के खर्च किए जाते हैं।

हालांकि, इस तरह के साहित्य से शुरू करके, मैंने एंड्रयू एनजी से कोर्टेरा पाठ्यक्रमों की खोज की , पैटर्न मान्यता पर बिशप की किताब और अंत में स्मोला की एक पुस्तक। दुर्भाग्य से, स्मोला की पुस्तक केवल मसौदा राज्य में है। स्मोला की किताब में भी ऐसे प्रमाण मिल सकते हैं, जो मुझे अपील करते हैं। बिशप की पुस्तक पहले से ही काफी अच्छी है, लेकिन एक निश्चित मात्रा में कठोरता गायब है।

संक्षेप में: मैं एक किताब की तलाश कर रहा हूं, जैसे कि स्मोला की, जो कि यथासंभव सटीक और कठोर है और गणितीय पृष्ठभूमि का उपयोग करता है (हालांकि लघु परिचय निश्चित रूप से ठीक हैं)।

कोई सिफारिशें?


1
भविष्य में कृपया क्रॉसपोस्ट न करें।
मोमो

ऐसा लगता है कि सवाल अधूरा है - यह "और" के बाद टूट जाता है।
JW

क्षमा करें, किसी तरह मेरा संपादन गायब हो गया।
क्विकबीम 2 के 1

1
आप यह बताना चाहते हैं कि एक गणितज्ञ मशीन लर्निंग के बारे में क्यों सीखना चाहता है (डेटा साइंटिस्ट के रूप में एक नौकरी खोजने के लिए / अनुसंधान / आदि करने के लिए) जो लोगों को आपकी सही दिशा में इंगित करने में मदद करेगा
seanv507

1
डेटा साइंस के लिए मैं तर्क देता हूँ कि आपको बुनियादी आँकड़ों की समझ (जैसे रैखिक / लॉजिस्टिक रिग्रेशन), प्रायोगिक डिज़ाइन-जैसे ab परीक्षण आदि की आवश्यकता है, और इसके अलावा
एडवाइजर

जवाबों:


9

आप जो वर्णन करते हैं, उसके लिए मैं मोहरी एट.लाल द्वारा "मशीन लर्निंग की नींव" की अत्यधिक अनुशंसा करता हूं। यह एक स्नातक पाठ है, लेकिन यह वास्तव में अच्छे स्नातक के लिए है। यह पठनीय है और यह एकमात्र ऐसी जगह है जिसे मैंने पाया है कि मैं मशीन लर्निंग की गणितीय परिभाषा (पीएसी और कमजोर पीएसी) क्या कहूंगा। यह अकेले उस कारण से पढ़ने लायक है। मेरे पास गणित पीएचडी भी है। मैं ऊपर बताई गई कई पुस्तकों से परिचित हूं, और पसंद करता हूं। मैं विशेष रूप से तकनीकों और विचारों के व्यापक स्पेक्ट्रम के लिए ईएसएल का शौकीन हूं, लेकिन यह बहुत सारे गणित के साथ एक सांख्यिकी पुस्तक है।


1
Btw, मुझे बताया गया है कि शेपायर ने अपनी थीसिस में साबित किया कि कमजोर पीएसी का मतलब पीएसी है। उनके प्रमाण में वृद्धि करने की तकनीक है, इसलिए यह एक अच्छा उदाहरण है कि कैसे एक सैद्धांतिक प्रश्न ने बहुत व्यावहारिक परिणाम दिया।
मैह

धन्यवाद, आपकी टिप्पणी के लिए। मुझे लगता है कि मैं बाद में ईएसएल के साथ काम करूंगा, जब मोहरी और
शाल्व

12

मैं सांख्यिकीय लर्निंग के तत्वों (मुफ्त पीडीएफ फाइल) की सिफारिश करूंगा । इसमें पर्याप्त गणित और सभी संबंधित तकनीकों का एक अच्छा परिचय है - साथ में कुछ अंतर्दृष्टि के साथ कि तकनीक क्यों काम करती है (और जब वे नहीं करते हैं)।

इसके अलावा परिचय सांख्यिकीय लर्निंग के लिए (जो और अधिक व्यावहारिक है - में यह करने के लिए कैसे आर )। इसमें एक पाठ्यक्रम चल रहा है सांख्यिकीय शिक्षा ; आपको YouTube पर व्याख्यान मिल सकते हैं (और फिर से मुफ्त पीडीएफ)।


3
यह एक बहुत अच्छी सिफारिश है। इसके अलावा, मैं Yaser S. अबू-मोस्तफा से "डेटा से सीखना" का सुझाव देता हूं। यह भारी सैद्धांतिक है, लेकिन बहुत स्पष्ट रूप से विषयों जैसे कि सीखने की व्यवहार्यता और वीसी आयाम की व्याख्या करता है। वीडियो और स्लाइड ऑनलाइन उपलब्ध हैं ।
tiagotvv

मैंने यासर एस। अबू-मुस्तफा से "डेटा से सीखना" सुझाव दिया। पुस्तक बहुत कम है, लेकिन मूल्यवान जानकारी के साथ भरी हुई है। बहुत ध्यान वास्तव में सीखने और जटिलता की व्यवहार्यता पर लगाया जाता है।
व्लादिस्लाव डोभालगस

7

आप शायद Schölkopf और Smola द्वारा कर्नेल के साथ सीखना पसंद करेंगे । श्लोकोप्फ़ का अधिकांश कार्य गणितीय रूप से कठोर है।

उस ने कहा, आप पाठ्यपुस्तकों के बजाय शोध पत्र पढ़ने से बेहतर हैं। शोध पत्रों में पूर्ण व्युत्पन्नता और अभिसरण के साक्ष्य, प्रदर्शन पर सीमाएं आदि शामिल हैं, जिन्हें अक्सर पाठ्यपुस्तकों में शामिल नहीं किया जाता है। शुरू करने के लिए एक अच्छी जगह है जर्नल ऑफ़ मशीन लर्निंग , जिसे अत्यधिक माना जाता है और पूरी तरह से खुली पहुंच है। मैं भी तरह सम्मेलनों की कार्यवाही की सिफारिश आईसीएमएल , NIPS , बछेड़ा और IJCNN


पत्रिका के साथ संकेत के लिए धन्यवाद। हालाँकि, मुझे डर है कि पत्रिकाएँ मेरे लिए अभी तक बहुत उन्नत हैं। फिर भी, यह पलायन भविष्य के लिए एक मूल्यवान स्रोत है।
क्विकबीम 2k1

4

मेरा सुझाव है कि अंडरस्टैंडिंग मशीन लर्निंग: थ्योरी से अल्गोरिद्म से लेकर Sha Shalev-Shwartz तक। मैं स्वीकार करता हूं कि मैंने इसके केवल छोटे हिस्से पढ़े हैं लेकिन मैंने तुरंत इस पर ध्यान दिया जिसके साथ लेखक ने हर समस्या और चर्चा की।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.