Maschinelles Lernen verstehen: Von der Theorie zu den Algorithmen Shai Shalev-Shwartz und Shai Ben-David sind ein englischsprachiges Lehrbuch, das sich mit den theoretischen und praktischen Aspekten des maschinellen Lernens befasst. Dieses Werk behandelt die Grundlagen und algorithmischen Paradigmen hinter dem automatisierten Lernen und ist für Studierende im Hochschulbereich gedacht.
Das Buch bietet eine tiefgehende und strukturierte Einführung in das maschinelle Lernen und legt dabei sowohl den Fokus auf grundlegende Prinzipien als auch auf komplexe Themen wie die rechnerische Komplexität des Lernens, Konvexität und Stabilität. Darüber hinaus stellt es wichtige algorithmische Paradigmen wie stochastischen Gradientenabstieg, neuronale Netze und strukturiertes Output-Lernen vor.
Weiterhin behandelt das Lehrbuch fortschrittliche theoretische Konzepte, darunter den PAC-Bayes-Ansatz und kompressionsbasierte Schranken. Das macht es geeignet für Studierende und Fachleute aus verschiedenen Fachbereichen wie Informatik, Mathematik und Ingenieurwesen, die Einblicke sowohl in die Theorie als auch in die algorithmischen Ansätze des maschinellen Lernens gewinnen möchten.
Themen wie Machine learning, COMPUTERS / Data Science / Machine Learning und Computing: Textbooks & Study Guides bilden den inhaltlichen Kontext dieses Buches.