Daftar isi

Matematika Pembelajaran Mesin

Dari vektor, probabilitas, dan optimisasi menuju regresi, klasifikasi, dan pembelajaran dari data

Baca setiap bagian secara berurutan. Setiap judul dapat dibuka sebagai dokumen TheoryTrace.

• Cover
• Hak cipta
• Petunjuk membaca buku ini
• Pendahuluan
• Bab 1: Peta Matematika Pembelajaran Mesin
• Bab 2: Data sebagai Vektor dan Ruang Fitur
• Bab 3: Aljabar Linear Inti untuk Pembelajaran Mesin
• Bab 4: Geometri Matriks dan Proyeksi
• Bab 5: Nilai Eigen, Vektor Eigen, dan Dekomposisi Matriks
• Bab 6: Kalkulus Satu Variabel untuk Model Prediktif
• Bab 7: Kalkulus Multivariabel dan Gradien
• Bab 8: Optimisasi Tanpa Kendala
• Bab 9: Optimisasi Berkendala dan Regularisasi
• Bab 10: Dasar Probabilitas untuk Data Tidak Pasti
• Bab 11: Distribusi Penting dan Model Generatif Sederhana
• Bab 12: Statistika, Estimasi, dan Inferensi
• Bab 13: Regresi Linear dari Sudut Pandang Geometri dan Probabilitas
• Bab 14: Regresi Teratur dan Generalisasi
• Bab 15: Klasifikasi Linear dan Regresi Logistik
• Bab 16: Margin, Support Vector Machine, dan Kernel
• Bab 17: Naive Bayes, Model Diskriminatif, dan Model Generatif
• Bab 18: Reduksi Dimensi dan Principal Component Analysis
• Bab 19: Clustering dan Pembelajaran Tak Terawasi
• Bab 20: Dasar Jaringan Saraf dari Matematika Fungsi Komposisi
• Bab 21: Optimisasi Stokastik dan Pembelajaran Skala Besar
• Bab 22: Evaluasi Model dan Pengambilan Keputusan
• Bab 23: Ketidakpastian, Bias, dan Keandalan Model
• Bab 24: Menyatukan Matematika dalam Alur Kerja Pembelajaran Mesin
• Penutup