Машинное обучение: основы

Эта книга представляет собой фундаментальный путеводитель по ключевым идеям и принципам машинного обучения. Автор, Сергей Николенко, проводит читателя от базовых понятий теории вероятностей и теоремы Байеса до сложных концепций, таких как обобщённые линейные модели, раскрывая математические основы, на которых строится современный искусственный интеллект.

Книга не только объясняет теорию, но и иллюстрирует её множеством практических примеров и увлекательных кейсов из разных областей — от анализа научных исследований до спортивной статистики (например, эффект «горячей руки» в баскетболе). Такой подход помогает понять, как абстрактные математические модели применяются для решения реальных задач.

Издание охватывает историю развития искусственного интеллекта, классификацию задач (обучение с учителем и без учителя, регрессия, классификация), а также работу с различными типами данных: табличными, последовательностями, изображениями. Особое внимание уделяется важнейшим проблемам, таким как извлечение признаков и переобучение (оверфиттинг).

Книга структурирована как полноценный учебный курс и может служить основой для базовых университетских программ по машинному обучению. Она предназначена для всех, кто хочет не просто использовать готовые инструменты, а глубоко понять механизмы работы алгоритмов ИИ.