Вероятностное машинное обучение. Дополнительные темы: основания, вывод

Вероятностное машинное обучение. Дополнительные темы: основания, вывод

Кевин П. Мэрфи

     

бумажная книга

70.2 USD


В корзину


Наличие на складе:

Склад в Москве

Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 10.11.2024; планируемая отправка: 11.11.2024

Склад в С.-Петербурге

Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 13.11.2024; планируемая отправка: 14.11.2024



Издательство: ДМК
Дата выхода: июнь 2024
ISBN: 978-5-93700-120-7
Объём: 770 страниц
Масса: 1500 г
Размеры(В x Ш x Т), см: 24 x 17
Обложка: твёрдая
Бумага: офсетная
Иллюстрированное издание +
Цветные иллюстрации +
Переводное издание: Probabilistic Machine Learning: Advanced Topics
Язык оригинала: английский
Место в рейтинге продаж: 133

Книга является первым томом к книге "Вероятностное машинное обучение. Дополнительные темы: предсказание, порождение, обнаружение, действие".

 

Дополняя ранее изданную книгу Вероятностное машинное обучение. Введение, этот классический труд знакомит читателя с деталями самых актуальных теорий и методов машинного обучения, включая глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение излагается в контексте более широкого статистического контекста, а подходы к глубокому обучению унифицированы с подходами к вероятностному моделированию и выводу.

 

 

Основные темы:

 

  • вероятность;
  • статистика;
  • графовые модеи;
  • теория информации;
  • оптимизация;
  • алгоритмы вывода;
  • Гауссова фильтрация и сглаживание;
  • алгоритмы передачи сообщений;
  • вариационный вывод;
  • методы Монте-Карло.

 

Отдельные части книги написаны ведущими исследователями и специалистами в предметной области из таких компаний, как Google, DeepMind, Amazon, университет Пердью, Нью-Йоркский и Вашингтонский университеты; в частности, по этой причине книга крайне важна для понимания животрепещущих проблем машинного обучения.

 

Кэвин Патрик Мэрфи получил степень бакалавра в Кэмбридже, Англия, и продолжил образование в США (магистр технических наук в Пенсильванском университете, доктор в Калифорнийском университете в Беркли, постдокторантура в МТИ). В 2004 году занял должность профессора информатики и статистики в Университете Британской Колумбии в Ванкувере. Работает в отделении Google в Маунтин-Вью, где занимается искусственным интеллектом, машинным обучением, компьютерным зрением и пониманием текстов на естественном языке.