Análisis de datos de alta dimensión con modelos de baja dimensión: Principios, cálculo y aplicaciones

Opiniones de los lectores

El libro es muy elogiado por sus explicaciones claras de conceptos complejos de inteligencia y aprendizaje automático, en particular en relación con el análisis de datos de alta dimensión. Los lectores aprecian su equilibrio entre intuición y rigor, así como su contenido bien organizado y sus ejemplos inspiradores.

Exposición clara de los supuestos filosóficos, comprensión profunda de los principios de la inteligencia, útil para el éxito académico en IA, razonamiento bien escrito y perspicaz, ejemplos de aplicación apasionantes.

No se mencionan contras específicos en las reseñas.

(basado en 4 opiniones de lectores)

Título original:

High-Dimensional Data Analysis with Low-Dimensional Models: Principles, Computation, and Applications

Contenido del libro:

Conectando la teoría con la práctica, esta introducción sistemática y rigurosa cubre los principios fundamentales, algoritmos y aplicaciones de modelos matemáticos clave para el análisis de datos de alta dimensión. Con un enfoque exhaustivo, ofrece una cobertura unificada de muchos modelos y técnicas analíticas de baja dimensión diferentes, incluidos modelos dispersos y de bajo rango, y formulaciones convexas y no convexas.

Los lectores aprenderán a desarrollar algoritmos eficientes y escalables para resolver problemas del mundo real, con el apoyo de numerosos ejemplos y ejercicios, y a utilizar las herramientas computacionales aprendidas en diversos contextos de aplicación. Las aplicaciones presentadas incluyen imágenes científicas, comunicación, reconocimiento facial, visión 3D y redes profundas para clasificación.

Con el código disponible en línea, se trata de un libro de texto ideal para estudiantes de último curso y de posgrado de ingeniería eléctrica, informática y ciencias de los datos, así como para quienes cursen asignaturas sobre dispersión, estructuras de baja dimensión y datos de alta dimensión. Prólogo de Emmanuel Cands.