Вероятностное машинное обучение. Дополнительные темы
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. В этом томе глубокое обучение излагается в контексте более широкого статистического контекста, а подходы к глубокому обучению унифицированы с подходами к вероятностному моделированию и выводу. Рассматривается порождение многомерных выходов, например изображений, текста и графов. Обсуждаются методы проникновения в существо данных, основанные на моделях с латентными величинами. Уделено внимание обучению и тестированию при различных распределениях. Исследуется, как использовать вероятностные модели и вывод для каузального вывода и принятия решений. 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.
Издание: Цветное
Оригинальное название: "Probabilistic Machine Learning: Advanced Topics"
Оригинальный правообладатель: The MIT Press
Оригинальный правообладатель: MITP
Автор: Мэрфи К. П.
Объем, стр: ~1100
ISBN: 978-5-93700-120-7
PDF от издателя
Скрытая ссылка
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. В этом томе глубокое обучение излагается в контексте более широкого статистического контекста, а подходы к глубокому обучению унифицированы с подходами к вероятностному моделированию и выводу. Рассматривается порождение многомерных выходов, например изображений, текста и графов. Обсуждаются методы проникновения в существо данных, основанные на моделях с латентными величинами. Уделено внимание обучению и тестированию при различных распределениях. Исследуется, как использовать вероятностные модели и вывод для каузального вывода и принятия решений. 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.
Издание: Цветное
Оригинальное название: "Probabilistic Machine Learning: Advanced Topics"
Оригинальный правообладатель: The MIT Press
Оригинальный правообладатель: MITP
Автор: Мэрфи К. П.
Объем, стр: ~1100
ISBN: 978-5-93700-120-7
PDF от издателя
Скрытая ссылка
Для просмотра скрытого содержимого необходимо Войти или Зарегистрироваться.