Detalhes do Projeto Matemática para Aprendizado de Máquina

Visão Geral do Projeto

Matemática para Aprendizado de Máquina é um livro didático de Marc Peter Deisenroth, A. Aldo Faisal e Cheng Soon Ong, publicado pela Cambridge University Press em 2020. O projeto visa fornecer aos alunos de aprendizado de máquina as bases matemáticas necessárias, em vez de se concentrar em técnicas avançadas de aprendizado de máquina.

Objetivos do Projeto

O objetivo do livro é motivar as pessoas a aprender conceitos matemáticos, em vez de cobrir técnicas avançadas de aprendizado de máquina, pois já existem muitos livros que fazem isso. Em vez disso, os autores pretendem fornecer as habilidades matemáticas necessárias para ler outros livros.

Principais Características

1. Acesso Gratuito

Os autores prometem "Manteremos uma versão em PDF deste livro disponível gratuitamente"

2. Orientação Prática

As ferramentas matemáticas básicas necessárias para entender o aprendizado de máquina incluem álgebra linear, geometria analítica, decomposição de matrizes, cálculo vetorial, otimização, probabilidade e estatística.

3. Concisão

Os autores afirmam "Nosso objetivo é manter este livro razoavelmente curto, portanto, não cobriremos tudo"

Estrutura do Livro

O livro está dividido em duas partes principais:

Parte I: Fundamentos Matemáticos

• Álgebra Linear
• Geometria Analítica
• Decomposição de Matrizes
• Cálculo Vetorial
• Teoria da Otimização
• Probabilidade e Estatística

Parte II: Problemas Centrais de Aprendizado de Máquina

O livro usa esses conceitos para derivar quatro métodos centrais de aprendizado de máquina: regressão linear, análise de componentes principais, modelos de mistura gaussiana e máquinas de vetores de suporte.

Público-Alvo

Para estudantes e outras pessoas com formação matemática, essas derivações fornecem um ponto de partida para materiais didáticos de aprendizado de máquina.

Avaliação Acadêmica

O livro recebeu elogios da comunidade acadêmica:

Joelle Pineau, da Universidade McGill & Facebook:

"Este livro cobre muito bem todos os conceitos matemáticos essenciais para o aprendizado de máquina. Estou ansiosa para compartilhá-lo com alunos, colegas e qualquer pessoa interessada em construir uma compreensão sólida dos fundamentos."

Christopher Bishop, da Microsoft Research Cambridge:

"O campo do aprendizado de máquina avançou rapidamente nos últimos anos, com uma gama cada vez mais impressionante de aplicações bem-sucedidas. Este livro didático abrangente cobre os principais conceitos matemáticos que sustentam o aprendizado de máquina moderno, com foco em álgebra linear, cálculo e probabilidade."

Pieter Abbeel, da Universidade da Califórnia, Berkeley:

"Este livro apresenta uma bela exposição da matemática que sustenta o aprendizado de máquina moderno. Altamente recomendado para quem deseja uma compreensão profunda e completa dos fundamentos do aprendizado de máquina."

Recursos do Projeto

Site Oficial

• Site principal: https://mml-book.com
• Página do GitHub: https://mml-book.github.io/

Informações dos Autores

• Marc Peter Deisenroth - Twitter: @mpd37
• A. Aldo Faisal - Twitter: @AnalogAldo
• Cheng Soon Ong - Twitter: @ChengSoonOng

Acesso

• A versão gratuita em PDF pode ser baixada do site oficial
• A versão impressa é publicada pela Cambridge University Press
• Materiais de apoio e erratas são atualizados continuamente no site oficial

Recursos Adicionais

Outras pessoas criaram recursos para apoiar o material do livro, incluindo:

• Soluções de exercícios
• Jupyter notebooks
• Materiais de estudo relacionados e leitura adicional

Significado do Projeto

Este projeto preenche uma lacuna importante na educação em aprendizado de máquina, onde tradicionalmente esses tópicos são ensinados em cursos diferentes, tornando difícil para os alunos de ciência de dados ou aprendizado de máquina construir uma base matemática unificada. Ao fornecer uma estrutura matemática abrangente, o projeto fornece aos alunos uma base sólida necessária para entrar no campo do aprendizado de máquina.