Understanding Machine Learning av Shai (Hebrew University of Jerusalem) Shalev-Shwartz, Shai (University of Waterloo Ontario) Ben-David

Maskinlæring er et av de raskest voksende områdene innen datavitenskap, med en rekke anvendelser som strekker seg over flere felt. Denne læreboken har som mål å gi leserne en grundig innføring i maskinlæring og de algoritmiske paradigmer som dette feltet tilbyr, på en strukturert og prinsipiell måte. Boken gir en teoretisk fremstilling av de fundamentale prinsippene som ligger til grunn for maskinlæring, samt de matematiske utledningene som gjør det mulig å omforme disse prinsippene til praktiske algoritmer. Etter en introduksjon til grunnleggende konsepter, tar boken for seg en bred rekke sentrale temaer som ikke har vært dekket i andre lærebøker. Dette inkluderer en diskusjon om den beregningsmessige kompleksiteten ved læring, samt viktige begreper som konveksitet og stabilitet. Videre utforskes det algoritmiske paradigmer som støyende gradientnedstigning, nevrale nettverk, og læring med strukturert utdata. Boken introduserer også fremvoksende teoretiske konsepter som PAC-Bayes-tilnærmingen og kompresjonsbaserte grenser. Målgruppen for denne teksten er avanserte bachelorstudenter eller nybegynnere på mastergradsnivå, og den gjør fundamentene og algoritmene innen maskinlæring lett tilgjengelige.