Gewinnung für die erste Ausgabe:

„In neun prägnanten, aber informationsreichen Kapiteln bieten die Autoren eine logisch strukturierte und solide Einführung in die mathematischen und statistischen Methoden, die dem sich ständig weiterentwickelnden Gebiet der KI und Data Science zugrunde liegen.“ - Joacim Rocklöv und Albert A. Gayle, International Journal of Epidemiology, Band 49, Ausgabe 6

„Dieses Buch ordnet die Algorithmen klar und clever. Die Art und Weise, wie der Python-Code geschrieben wurde, folgt dem Algorithmus eng – sehr nützlich für Leser, die den Hintergrund und den Fluss des Wissens verstehen möchten.“ - Yin-Ju Lai und Chuhsing Kate Hsiao, Biometrics, Band 77, Ausgabe 4

Data Science und Machine Learning: Mathematische und Statistische Methoden soll eine zugängliche, aber umfassende Lehrbuch sein, das für Studierende gedacht ist, die ein besseres Verständnis der Mathematik und Statistik erlangen möchten, die den vielfältigen Ideen und Machine-Learning-Algorithmen in der Data Science zugrunde liegen.

Neuheiten in der zweiten Ausgabe

Diese erweiterte Ausgabe bietet Aktualisierungen in Schlüsselbereichen des statistischen Lernens:

• Monte-Carlo-Methoden: Ein neuer Abschnitt, der regenerative Ablehnungsstichproben einführt – eine einfachere Alternative zu MCMC.
• Unüberwachtes Lernen: Einschluss von zwei mehrdimensionalen Diffusionskern-Registrierungs-Schätzer sowie die Methode der Bandbreiten-Perturbation für die optimale datengetriebene Bandbreitenwahl.
• Regression: Neue automatische Bandbreitenwahl für lokale lineare Regression.
• Merkmalsextraktion und Regularisierung: Ein neues Kapitel, das die Klimax-Methode zur Modellwahl in hohen Dimensionen vorstellt.
• Verstärkendes Lernen: Ein neues Kapitel zu zeitgenössischen Themen wie Politikiteration, zeitlicher Differenzlernen und Policy-Gradient-Methoden, alles mit Python-Code.
• Anhang: Erweiterte Behandlung von lineare Algebra, Funktionalanalysis und Optimierung, inklusive der Koordinaten-Abstiegs-Methode und der neuartigen Majorisierung–Minimierung-Methode für beschränkte Optimierungen.

Hauptmerkmale:

• Fokus auf mathematisches Verständnis.
• Präsentation ist eigenständig, zugänglich und umfassend.
• Umfangreiche Übungsliste und exemplarisch ausgearbeitete Beispiele.
• Viele konkrete Algorithmen mit Python-Code.
• Durchgehend farbig und mit umfangreichem Index.
• Eine einzige aufeinanderfolgende Nummerierung aller Theoreme, Definitionen, Gleichungen usw. für einfachere Suchfunktionalität im Text.

Seiten: 730, Maße: 17,8x17,8 cm