- Регистрация
- 1 Дек 2015
- Сообщения
- 145.917
- Реакции
- 777.031
[ДМК] **Вероятностное машинное обучение. Дополнительные темы: предсказание, порождение, обнаружение, действие** *Кэвин Мэрфи*
Дополняя ранее изданную книгу «Вероятностное машинное обучение. Введение», этот классический труд знакомит читателя с деталями самых актуальных теорий и методов машинного обучения. В книге рассматриваются глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение представлено в контексте статистического моделирования, единый подход к глубокому обучению и вероятностному выводу.
**Основные темы:**
- предсказательные и обобщенные линейные модели;
- глубокие и байесовские нейронные сети;
- вариационные автокодировщики;
- порождающие и диффузионные модели;
- порождающие состязательные сети;
- модели латентных факторов и пространства состояний;
- принятие решений в условиях неопределённости;
- обучение с подкреплением;
- каузальность.
Отдельные части книги написаны ведущими специалистами из компаний Google, DeepMind, Amazon, а также из университетов Пердью, Нью-Йорка и Вашингтона. Это делает книгу важным ресурсом для понимания ключевых проблем машинного обучения.
**Кэвин Патрик Мэрфи** — профессор информатики и статистики в Университете Британской Колумбии и сотрудник Google, специализирующийся на искусственном интеллекте, машинном обучении, компьютерном зрении и обработке естественного языка.
Издание: Цветное
Оригинальное название: "Probabilistic Machine Learning: Advanced Topics"
Оригинальный правообладатель: The MIT Press
Автор: Мэрфи К. П.
Объем, стр: 765
ISBN: 978-5-93700-317-1
PDF от издателя
Стоимость: 2800
Дополняя ранее изданную книгу «Вероятностное машинное обучение. Введение», этот классический труд знакомит читателя с деталями самых актуальных теорий и методов машинного обучения. В книге рассматриваются глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение представлено в контексте статистического моделирования, единый подход к глубокому обучению и вероятностному выводу.
**Основные темы:**
- предсказательные и обобщенные линейные модели;
- глубокие и байесовские нейронные сети;
- вариационные автокодировщики;
- порождающие и диффузионные модели;
- порождающие состязательные сети;
- модели латентных факторов и пространства состояний;
- принятие решений в условиях неопределённости;
- обучение с подкреплением;
- каузальность.
Отдельные части книги написаны ведущими специалистами из компаний Google, DeepMind, Amazon, а также из университетов Пердью, Нью-Йорка и Вашингтона. Это делает книгу важным ресурсом для понимания ключевых проблем машинного обучения.
**Кэвин Патрик Мэрфи** — профессор информатики и статистики в Университете Британской Колумбии и сотрудник Google, специализирующийся на искусственном интеллекте, машинном обучении, компьютерном зрении и обработке естественного языка.
Издание: Цветное
Оригинальное название: "Probabilistic Machine Learning: Advanced Topics"
Оригинальный правообладатель: The MIT Press
Автор: Мэрфи К. П.
Объем, стр: 765
ISBN: 978-5-93700-317-1
PDF от издателя
Стоимость: 2800
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- Усиленные Инвестиции [Тариф Полная подписка 1 месяц] [Кирилл Кузнецов, Максим Кузнецов, Андрей Апарин]
- Создание электронных книг в формате epub [То*болин Дмитрий]
- Эффективный преподаватель. Выход на 100 000 [Ольга Князева]
- Эффективный преподаватель. Выход на 250 000 [Ольга Князева]
- Видеолекторий А. Толмачева [Александр Толмачев]
- Product Film School [Grace Wells]