Foundations of Machine Learning (Second Edition) - Mehryar Mohri (англ.мова)

Foundations of Machine Learning (Second Edition) - это фундаментальный академический учебник по теории машинного обучения, написанный ведущими исследователями Мехрияром Мохри, Афшином Ростамизаде и Амитом Талвалкаром. Книга ориентирована на глубокое теоретическое понимание алгоритмов машинного обучения и предназначена для студентов магистратуры, аспирантов, исследователей и инженеров, работающих с ML на профессиональном уровне.

Второе издание существенно переработано и расширено. В книге подробно рассматриваются PAC-обучение, сложность Радемахера, VC-размерность, выбор моделей, методы опорных векторов, ядерные методы, бустинг, онлайн-обучение, многоклассовая классификация, ранжирование, регрессия, модели максимальной энтропии, алгоритмическая стабильность, снижение размерности и обучение с подкреплением. Значительное внимание уделяется оценкам обобщающей способности, регуляризации и связи с теорией игр.

Издание отличается строгой математической подачей материала, аккуратными доказательствами, интуитивными пояснениями и большим количеством упражнений, что делает его одним из ключевых учебников по теории машинного обучения.

Preface

1. Introduction
   1.1 What is machine learning?
   1.2 What kind of problems can be tackled using machine learning?
   1.3 Some standard learning tasks
   1.4 Learning stages
   1.5 Learning scenarios
   1.6 Generalization

2. The PAC Learning Framework
   2.1 The PAC learning model
   2.2 Guarantees for finite hypothesis sets - consistent case
   2.3 Guarantees for finite hypothesis sets - inconsistent case
   2.4 Generalities
   2.5 Chapter notes
   2.6 Exercises

3. Rademacher Complexity and VC-Dimension

4. Model Selection

5. Support Vector Machines

6. Kernel Methods

7. Boosting

8. On-Line Learning

9. Multi-Class Classification

10. Ranking

11. Regression

12. Maximum Entropy Models

13. Conditional Maximum Entropy Models

14. Algorithmic Stability

15. Dimensionality Reduction

16. Learning Automata and Languages

17. Reinforcement Learning

Conclusion

Appendix A. Linear Algebra Review

Index