М.: МЦНМО, 2013. — 390 с.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.Статистическая теория машинного обучения
Элементы теории классификации
Метод опорных векторов
Нестохастические методы предсказания
Универсальные предсказания
Элементы сравнительной теории машинного обучения
Агрегирующий алгоритм Вовка
Игры и предсказания
Элементы теории игр
Теоретико-игровая интерпретация теории вероятностей
Повторяющиеся игры
