MARC details
| 000 -CABECERA |
|---|
| Longitud fija campo de control |
02842ntdaa2200313 ab4500 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| Identificador del número de control |
UnInEc |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| Fecha y hora de la última transacción |
20240401124147.0 |
| 006 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA - CARACTERÍSTICAS DEL MATERIAL ADICIONAL |
|---|
| Códigos de información de longitud fija - Características del material adicional |
a||||g ||i| 00| 0 |
| 008 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA |
|---|
| Códigos de información de longitud fija |
140501s9999 mx ||||f |||| 00| 0 spa d |
| 020 ## - NÚMERO INTERNACIONAL NORMALIZADO PARA LIBROS |
|---|
| Número Internacional Normalizado para Libros (ISBN) |
9780262039406 |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro catalogador de origen |
CIBESPAM MFL |
| 041 ## - CÓDIGO DE LENGUA |
|---|
| Código de lengua del texto;banda sonora o título independiente |
eng |
| 082 ## - NÚMERO DE LA CLASIFICACIÓN DECIMAL DEWEY |
|---|
| Número de clasificación |
006.3 |
| Cutter |
M699 |
| 100 ## - PUNTO DE ACCESO PRINCIPAL-NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Mohri, Mehryar |
| 245 ## - MENCIÓN DE TÍTULO |
|---|
| Título |
Foundations of Machine Learning. |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
Second Edition |
| 260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC. (PIE DE IMPRENTA) |
|---|
| Lugar de publicación, distribución, etc. |
Cambridge |
| Nombre del editor, distribuidor, etc. |
The MIT Press |
| Fecha de publicación, distribución, etc. |
2018 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
xv, 486 pages; |
| Otras características físicas |
Figures; |
| 505 ## - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
-1 Introduction<br/>-2 The PAC Learning Framework<br/>-3 Rademacher Complexity and VC-Dimension<br/>-4 Model Selection<br/>-5 Support Vector Machines<br/>-6 Kernel Methods<br/>-7 Boosting<br/>-8 On-Line Learning<br/>-9 Multi-Class Classification<br/>-10 Ranking<br/>-11 Regression<br/>-12 Maximum Entropy Models<br/>-13 Conditional Maximum Entropy Models<br/>-14 Algorithmic Stability<br/>-15 Dimensionality Reduction<br/>-16 Learning Automata and Languages<br/>-17 Reinforcement Learning<br/>-Conclusion |
| 520 ## - NOTA DE SUMARIO |
|---|
| Sumario, etc, |
This book is a general introduction to machine learning that can serve as a textbook for graduate students and a reference for researchers. It covers fundamental modern topics in machine learning while providing the theoretical basis and conceptual tools needed for the discussion and justification of algorithms. It also describes several key aspects of the application of these algorithms. The authors aim to present novel theoretical tools and concepts while giving concise proofs even for relatively advanced topics.<br/><br/>Foundations of Machine Learning is unique in its focus on the analysis and theory of algorithms. The first four chapters lay the theoretical foundation for what follows; subsequent chapters are mostly self-contained. Topics covered include the Probably Approximately Correct (PAC) learning framework; generalization bounds based on Rademacher complexity and VC-dimension; Support Vector Machines (SVMs); kernel methods; boosting; on-line learning; multi-class classification; ranking; regression; algorithmic stability; dimensionality reduction; learning automata and languages; and reinforcement learning. Each chapter ends with a set of exercises. Appendixes provide additional material including concise probability review.<br/><br/>This second edition offers three new chapters, on model selection, maximum entropy models, and conditional entropy models. New material in the appendixes includes a major section on Fenchel duality, expanded coverage of concentration inequalities, and an entirely new entry on information theory. More than half of the exercises are new to this edition. |
| 650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA - TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento inicial |
Machine Learning |
| 650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA - TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento inicial |
Computing |
| 650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA - TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento inicial |
Autómata |
| 700 ## - PUNTO DE ACCESO ADICIONAL - NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Rostamizadeh, Afshin |
| 700 ## - PUNTO DE ACCESO ADICIONAL - NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Talwalkar, Ameet |
| 912 ## - DATOS OPENBIBLIO |
|---|
| Fecha de última modificación |
2024-01-04 |
| Usuario que lo modifico por última vez |
Paúl Villacreses |
| 913 ## - ÁREA Y CARRERA |
|---|
| Área de Conocimiento |
Información y Comunicación (TIC) |
| Carrera |
Carrera de Computación |
| Líneas de Investigación Institucionales |
Soluciones computacionales para el sector agroproductivo y de servicios |
| 942 ## - ENTRADA DE ELEMENTOS AGREGADOS (KOHA) |
|---|
| Fuente de clasificaión o esquema |
Dewey Decimal Classification |
| Koha [por defecto] tipo de item |
Libros |