Koneoppimisen perusteet -kirja

Koneoppimisen perusteet on ensimmäinen suomenkielinen oppikirja koneoppimisen menetelmistä. Se käy läpi kaikki merkittävät koneoppimisen menetelmät ja suuntaukset lukuisin esimerkein. Kirjan tavoitteena on antaa perustietämys, jonka jälkeen lukija voi jatkaa edistyneempiin menetelmiin kuten syväoppimiseen. Kirjan pohjana on Tampereen yliopiston DATA.ML.100 Introduction to Machine Learning -kurssi, jota kirjan kirjoittaja on luennoinut jo kymmenen vuoden ajan. Vuosittain kurssin suorittaa lähes 400 opiskelijaa. Kirjan esimerkkien ja kuvien Python-ohjelmat ovat vapaasti saatavilla.

Voit ostaa painetun tai sähköisen kirjan kustantajalta:

• Gaudeamus: Koneoppimisen perusteet

Kirjan sisältö:

• Luku 1: Mitä on koneoppiminen
• Luku 2: Lineaarinen regressio
• Luku 3: Lineaarinen luokittelu
• Luku 4: Todennäköisyyksiin perustuva päättely ja koneoppiminen
• Luku 5: Todennäköisyyksien laskeminen
• Luku 6: Ohjaamaton oppiminen
• Luku 7: Neuroverkot
• Luku 8: Päätöspuut ja satunnaismetsät
• Luku 9: Vahvistusoppiminen
• Luku 10: Looginen päättely
• Luku 11: Syväoppiminen

Kirjan esimerkkien ja kuvien tuottamiseen käytetyt Python-ohjelmat:

• https://github.com/kamarain/kirja_koneoppimisen_perusteet