Optimization for Machine Learning (Neural Information Processing series)
Sra, Suvrit [Editor]; Nowozin, Sebastian [Editor]; Wright, Stephen J. [Editor];
Idioma: inglés
Editorial: MIT Press, 2011
- Tapa blanda
- Usado
Librería: CampusBear, Coppell, TX, Estados Unidos de AmericaCampusBear
Vendedor de IberLibro desde 26 de marzo de 2019
Condición: Usado - Como Nuevo
EUR 14,27
Cantidad disponible: 1 disponible
Añadir al carritoDescripción del artículo del vendedor
Complete and unmarked. All pages present and readable, binding tight. No highlighting, underlining, or writing anywhere in the text. Cover and spine show minimal to no shelf wear. May have a remainder mark, a price sticker or its residue, or a previous owner's name on the inside cover. Access codes, CDs, DVDs, and other bundled supplements may not be included and should be assumed used or missing unless the listing explicitly states otherwise.
N° de ref. del artículo V2239C00247U
- Título
- Optimization for Machine Learning (Neural Information Processing series)
- Autor
- Sra, Suvrit [Editor]; Nowozin, Sebastian [Editor]; Wright, Stephen J. [Editor];
- Editorial
- MIT Press
- Año de publicación
- 2011
- Estado
- As New
- Encuadernación
- paperback
- Idioma
- inglés
- ISBN 10
- 0262537761
- ISBN 13
- 9780262537766
- Peso del artículo
- 37 onzas
- Dimensiones
- 8x1x10
The interplay between optimization and machine learning is one of the most important developments in modern computational science. Optimization formulations and methods are proving to be vital in designing algorithms to extract essential knowledge from huge volumes of data. Machine learning, however, is not simply a consumer of optimization technology but a rapidly evolving field that is itself generating new optimization ideas. This book captures the state of the art of the interaction between optimization and machine learning in a way that is accessible to researchers in both fields.
Optimization approaches have enjoyed prominence in machine learning because of their wide applicability and attractive theoretical properties. The increasing complexity, size, and variety of today's machine learning models call for the reassessment of existing assumptions. This book starts the process of reassessment. It describes the resurgence in novel contexts of established frameworks such as first-order methods, stochastic approximations, convex relaxations, interior-point methods, and proximal methods. It also devotes attention to newer themes such as regularized optimization, robust optimization, gradient and subgradient methods, splitting techniques, and second-order methods. Many of these techniques draw inspiration from other fields, including operations research, theoretical computer science, and subfields of optimization. The book will enrich the ongoing cross-fertilization between the machine learning community and these other fields, and within the broader optimization community.
“Sinopsis” puede pertenecer a otra edición de este título.
Acerca del autor
Sebastian Nowozin is a Researcher in the Machine Learning and Perception group (MLP) at Microsoft Research, Cambridge, England.
Stephen J. Wright is Professor of Computer Science at the University of Wisconsin–Madison.
Suvrit Sra is a Research Scientist at the Max Planck Institute for Biological Cybernetics, Tübingen, Germany.
Sebastian Nowozin is a Researcher in the Machine Learning and Perception group (MLP) at Microsoft Research, Cambridge, England.
Stephen J. Wright is Professor of Computer Science at the University of Wisconsin–Madison.
Dimitri P. Bertsekas is Professor of Electrical Engineering and Computer Science at MIT.
Masashi Sugiyama is Associate Professor in the Department of Computer Science at Tokyo Institute of Technology.
Suvrit Sra is a Research Scientist at the Max Planck Institute for Biological Cybernetics, Tübingen, Germany.
Léon Bottou is a Research Scientist at NEC Labs America.
Yoshua Bengio is Professor of Computer Science at the Université de Montréal.
“Acerca de” puede pertenecer a otra edición de este título.
CampusBear
Coppell, TX, Estados Unidos de America
Vendedor de IberLibro desde 26 de marzo de 2019
Tarifas de envío en Estados Unidos de America
| Artículo | De 4 a 10 días hábiles | De 2 a 5 días hábiles |
|---|---|---|
| Primer artículo | EUR 0,00 | EUR 3,58 |
Métodos de pago
Descripción de la tienda
Top quality textbooks! Unbeatable prices!
Especialidad
Mostly used textbooksInformación empresarial del vendedor
FREESIA LLC
2000 E 42ND ST STE C-351
ODESSA, TX Estados Unidos de America 79762
Derecho al desistimiento
Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.
Información sobre el derecho de desistimiento
Derecho legal de desistimiento
Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.
El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.
Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).
Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.
Efectos del desistimiento
Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).
Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.
Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.
Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.
Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.
Deberá devolver los bienes o entregarlos a CampusBear, Coppell, Texas, U.S.A., sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.
Excepciones al derecho de desistimiento
El derecho de desistimiento no se aplica a lo siguiente:
- La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
- El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.