First-order and Stochastic Optimization Methods for Machine Learning
Sorozatcím: Springer Series in the Data Sciences;
-
8% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 149.79
-
63 540 Ft (60 515 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 8% (cc. 5 083 Ft off)
- Discounted price 58 457 Ft (55 674 Ft + 5% áfa)
63 540 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1st ed. 2020
- Kiadó Springer
- Megjelenés dátuma 2020. május 16.
- Kötetek száma 1 pieces, Book
- ISBN 9783030395674
- Kötéstípus Keménykötés
- Terjedelem582 oldal
- Méret 235x155 mm
- Súly 1051 g
- Nyelv angol
- Illusztrációk 2 Illustrations, black & white; 16 Illustrations, color 112
Kategóriák
Rövid leírás:
This book covers not only foundational materials but also the most recent progresses made during the past few years on the area of machine learning algorithms. In spite of the intensive research and development in this area, there does not exist a systematic treatment to introduce the fundamental concepts and recent progresses on machine learning algorithms, especially on those based on stochastic optimization methods, randomized algorithms, nonconvex optimization, distributed and online learning, and projection free methods. This book will benefit the broad audience in the area of machine learning, artificial intelligence and mathematical programming community by presenting these recent developments in a tutorial style, starting from the basic building blocks to the most carefully designed and complicated algorithms for machine learning.
TöbbHosszú leírás:
This book covers not only foundational materials but also the most recent progresses made during the past few years on the area of machine learning algorithms. In spite of the intensive research and development in this area, there does not exist a systematic treatment to introduce the fundamental concepts and recent progresses on machine learning algorithms, especially on those based on stochastic optimization methods, randomized algorithms, nonconvex optimization, distributed and online learning, and projection free methods. This book will benefit the broad audience in the area of machine learning, artificial intelligence and mathematical programming community by presenting these recent developments in a tutorial style, starting from the basic building blocks to the most carefully designed and complicated algorithms for machine learning.
Tartalomjegyzék:
Machine Learning Models.- Convex Optimization Theory.- Deterministic Convex Optimization.- Stochastic Convex Optimization.- Convex Finite-sum and Distributed Optimization.- Nonconvex Optimization.- Projection-free Methods.- Operator Sliding and Decentralized Optimization.
Több
First-order and Stochastic Optimization Methods for Machine Learning
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
63 540 Ft
