[{"_1":2,"_3":-5,"_4":-5},"loaderData",{"_5":6,"_7":8},"actionData","errors","root",{"_28":-5,"_38":-5,"_39":40,"_41":42,"_43":44,"_45":46,"_47":48,"_49":50,"_51":52,"_53":54,"_55":56,"_57":58},"routes/_store+/_readers+/email_author.$slug/route",{"_9":10,"_11":-5},"book",{"_12":13,"_14":15,"_16":17,"_18":19,"_20":21,"_22":23},"currentUser","id","Z2lkOi8vbGVhbnB1Yi9TdG9yZTo6Qm9va1Byb2R1Y3QvODI1NzU","title","Теория информации для машинного обучения","state","published","contactAuthorMethod","email","aboutText","

«Теория информации для машинного обучения» — строгая прикладная книга о математическом языке современного ML. Она начинается с теории Шеннона и последовательно связывает определения и теоремы с функциями потерь, представлениями, вероятностными моделями, сжатием и инженерными компромиссами, возникающими на практике.

В основе книги лежит простая дисциплина: всегда уточнять, какое распределение задаёт математическое ожидание, измеряется ли величина в битах или натах и что именно перед нами — точная теорема, оценка по конечной выборке, обучающая целевая функция или моделирующая аналогия. Благодаря этому кросс-энтропия, KL-дивергенция, перплексия, взаимная информация и rate–distortion становятся достаточно точными инструментами для анализа и проектирования систем.

Маршрут из 16 глав охватывает:

• энтропию, кросс-энтропию, KL-дивергенцию, неравенство Йенсена и взаимную информацию;

• кодирование источника, каналы связи, пропускную способность и принцип максимума энтропии;

• Information Bottleneck, алгоритмическую теорию информации, f-дивергенции и границы PAC-Bayes/MI;

• информационно-теоретический взгляд на рассуждения в LLM, компьютерное зрение и обучение представлений;

• информационную геометрию и компактную итоговую памятку.

Книга рассчитана на ML-инженеров, исследователей, студентов старших курсов, магистрантов и самостоятельно обучающихся специалистов, знакомых с основами теории вероятностей, линейной алгебры и машинного обучения. Выводы сопровождаются операционным смыслом, а граница между формальной гарантией и полезной инженерной интерпретацией обозначается явно.

Издание Leanpub содержит тексты лекций и иллюстрации и предназначено для последовательного чтения. Соответствующий курс на Stepik полностью бесплатен и дополнительно включает автопроверяемые вопросы, упражнения, подробные решения, воспроизводимые эксперименты и ноутбуки на Python, а также списки первоисточников.

Книга входит в развивающуюся серию самостоятельных курсов и изданий об ML и LLM. Каждый том можно читать отдельно; перекрёстные ссылки дают дополнительное углубление.

Полный бесплатный курс на Stepik: https://stepik.org/295411

","authors",[24],{"_12":25,"_26":27,"_28":29},"Z2lkOi8vbGVhbnB1Yi9TdG9yZTo6UHJvZHVjdEF1dGhvci84ODIwOQ","name","Vlad Kulikov","user",{"_30":31},"avatar",{"_32":33,"_34":35,"_36":37},"url","https://d39qdlcrvnra4b.cloudfront.net/avatars/3761861/medium/avatar.jpg?1786370213","styleName","medium","exists",true,"shoppingCartId","shoppingCart",{"_12":71,"_72":73,"_74":37,"_75":76,"_77":78,"_79":80,"_81":37},"locale","en","readerTheme","light","constants",{"_69":70},"publishers",{"_65":66,"_67":68},"learnerOrganizations",[],"needsLocaleCookieSync",false,"announcements",{"_59":60,"_61":-5},"sentryEnvironment","production","sentryRelease","2d868283c9a7f750b5dbb69ab018d1ddb4584156","announcement_store",{"_62":52,"_63":64},"announcement_authors","flag","text","

Kick off your book project, get started with GhostAI, get better at marketing, or spend the day doing all three! Free live workshops on Zoom. Saturday, June 27, 2026.

\n","companies",[],"universities",[],"paypalClientId","AX53Cwz8jR6rVVzzZiZNWWXl0dGagi-GZrjG-S3Ua14E5nrKMn7DxDQ730O4R8LusLPp49ALn6aRVaEy","no-cart","count",0,"free","updatedAt","","paymentGateway","STRIPE","cartItems",[],"loading"]

Email the Author