Книга предназначена для первоначального знакомства с математическими основами современной теории машинного обучения (Machine Learning) и теории игр с предсказаниями. В первой части излагаются основы статистической теории машинного обучения, рассматриваются задачи классификации и регрессии с опорными векторами, теория обобщения и алгоритмы построения разделяющих гиперплоскостей. Во второй и третьей частях рассматриваются задачи адаптивного прогнозирования в нестохастических теоретико-игровой и сравнительной постановках: предсказания с использованием экспертных стратегий (Prediction with Expert Advice) и игры с предсказаниями. Для студентов и аспирантов, специализирующихся в области машинного обучения и искусственного интеллекта.
Kniga prednaznachena dlja pervonachalnogo znakomstva s matematicheskimi osnovami sovremennoj teorii mashinnogo obuchenija (Machine Learning) i teorii igr s predskazanijami. V pervoj chasti izlagajutsja osnovy statisticheskoj teorii mashinnogo obuchenija, rassmatrivajutsja zadachi klassifikatsii i regressii s opornymi vektorami, teorija obobschenija i algoritmy postroenija razdeljajuschikh giperploskostej. Vo vtoroj i tretej chastjakh rassmatrivajutsja zadachi adaptivnogo prognozirovanija v nestokhasticheskikh teoretiko-igrovoj i sravnitelnoj postanovkakh: predskazanija s ispolzovaniem ekspertnykh strategij (Prediction with Expert Advice) i igry s predskazanijami. Dlja studentov i aspirantov, spetsializirujuschikhsja v oblasti mashinnogo obuchenija i iskusstvennogo intellekta.
