Un enfoque computacional del aprendizaje estadístico

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 4 votos.

Título original:

A Computational Approach to Statistical Learning

Contenido del libro:

A Computational Approach to Statistical Learning ofrece una novedosa introducción al modelado predictivo centrándose en las motivaciones algorítmicas y numéricas que subyacen a los métodos estadísticos más populares. El texto contiene código anotado de más de 80 funciones de referencia originales. Estas funciones proporcionan implementaciones de trabajo mínimas de algoritmos de aprendizaje estadístico comunes. Cada capítulo concluye con una aplicación completamente elaborada que ilustra tareas de modelado predictivo utilizando un conjunto de datos del mundo real.

El texto comienza con un análisis detallado de los modelos lineales y los mínimos cuadrados ordinarios. Los capítulos siguientes exploran extensiones como la regresión ridge, los modelos lineales generalizados y los modelos aditivos. La segunda mitad se centra en el uso de algoritmos de propósito general para la optimización convexa y su aplicación a tareas de aprendizaje estadístico. Los modelos tratados incluyen la red elástica, las redes neuronales densas, las redes neuronales convolucionales (CNN) y la agrupación espectral. Un tema unificador a lo largo del texto es el uso de la teoría de la optimización en la descripción de modelos predictivos, con especial atención a la descomposición del valor singular (SVD). A través de este tema, el enfoque computacional motiva y aclara las relaciones entre varios modelos predictivos.

Taylor Arnold es profesor adjunto de estadística en la Universidad de Richmond. Su trabajo en la intersección de la visión por ordenador, el procesamiento del lenguaje natural y las humanidades digitales ha recibido el apoyo de múltiples becas de la National Endowment for the Humanities (NEH) y el American Council of Learned Societies (ACLS). Su primer libro, Humanities Data in R, se publicó en 2015.

Michael Kane es profesor adjunto de bioestadística en la Universidad de Yale. Ha recibido subvenciones de los Institutos Nacionales de Salud (NIH), DARPA y la Fundación Bill y Melinda Gates. Su paquete bigmemory de R ganó el premio de la Cámara al software estadístico en 2010.

Bryan Lewises matemático aplicado y autor de muchos paquetes populares de R, como irlba, doRedis y threejs.