Gebaseerd op de ervaring van de auteur in het onderwijzen van data science gedurende meer dan 10 jaar, onthult Mathematics and Programming for Machine Learning with R: From the Ground Up hoe machine learning-algoritmen hun magie doen en legt uit hoe deze algoritmen in code kunnen worden geïmplementeerd. Het is ontworpen om lezers inzicht te geven in de redenering achter machine learning-algoritmen en hoe ze moeten worden geprogrammeerd. Het boek is geschreven voor beginnende programmeurs en vordert stap voor stap en biedt de coderingsvaardigheden die nodig zijn om machine learning-algoritmen in R te implementeren. Het boek begint met eenvoudige implementaties en fundamentele concepten van logische sets en waarschijnlijkheid voordat het overgaat tot de dekking van krachtige deep learning-algoritmen. De eerste acht hoofdstukken gaan over op waarschijnlijkheid gebaseerde machine learning-algoritmen en de laatste acht hoofdstukken gaan over machine learning op basis van kunstmatige neurale netwerken. De eerste helft van het boek vereist geen wiskundige verfijning, hoewel bekendheid met waarschijnlijkheid en statistiek nuttig zou zijn. De tweede helft gaat ervan uit dat de lezer bekend is met ten minste één semester calculus. De tekst leidt beginnende R-programmeurs door algoritmen en hun toepassing en onderweg; de lezer krijgt programmeervertrouwen in het aanpakken van geavanceerde R-programmeeruitdagingen. Hoogtepunten van het boek zijn onder meer: Meer dan 400 oefeningen Een sterke nadruk op het verbeteren van programmeervaardigheden en het begeleiden van beginners bij de implementatie van volwaardige algoritmen Dekking van fundamentele computer- en wiskundige concepten, waaronder logische sets en waarschijnlijkheid Diepgaande uitleg van machine learning-algoritmen . Taal: Engels