- Регистрация
- 1 Дек 2015
- Сообщения
- 145.904
- Реакции
- 777.031
[ДМК] **Вероятностное машинное обучение**. Дополнительные темы: предсказание, порождение, обнаружение, действие **[Кэвин Мэрфи]**
Пополняя издание "Вероятностного машинного обучения. Введение", эта книга представляет читателям актуальные теории и методы машинного обучения. В ней рассматриваются глубокие порождаюшие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Обучение с подкреплением и глубокое обучение показаны в широком статистическом контексте, объединяясь с вероятностным моделированием и выводом.
**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 неопределенности;
- Обучение с подкреплением;
- Каузальность.
Отдельные разделы книги написаны ведущими исследователями из Google, DeepMind, Amazon, университета Пердью, Нью-Йоркского и Вашингтонского университетов. Это делает книгу важным ресурсом для понимания ключевых проблем машинного обучения.
**Автор:** Кэвин Патрик Мэрфи является профессором информатики и статистики в Университете Британской Колумбии и работает в Google, занимаясь искусственным интеллектом, машинным обучением и компьютерным зрением.
**Издание:** Цветное.
**Оригинальное название:** "Probabilistic Machine Learning: Advanced Topics".
**Оригинальный правообладатель:** The MIT Press.
**Автор:** Мэрфи К. П.
**Объем:** 765 стр.
**ISBN:** 978-5-93700-317-1.
**Формат:** PDF.
**Цена:** 2800 руб.
Книга обещает быть полезным ресурсом для всех, кто интересуется развитием машинного обучения и его перспективами.
Пополняя издание "Вероятностного машинного обучения. Введение", эта книга представляет читателям актуальные теории и методы машинного обучения. В ней рассматриваются глубокие порождаюшие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Обучение с подкреплением и глубокое обучение показаны в широком статистическом контексте, объединяясь с вероятностным моделированием и выводом.
**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 неопределенности;
- Обучение с подкреплением;
- Каузальность.
Отдельные разделы книги написаны ведущими исследователями из Google, DeepMind, Amazon, университета Пердью, Нью-Йоркского и Вашингтонского университетов. Это делает книгу важным ресурсом для понимания ключевых проблем машинного обучения.
**Автор:** Кэвин Патрик Мэрфи является профессором информатики и статистики в Университете Британской Колумбии и работает в Google, занимаясь искусственным интеллектом, машинным обучением и компьютерным зрением.
**Издание:** Цветное.
**Оригинальное название:** "Probabilistic Machine Learning: Advanced Topics".
**Оригинальный правообладатель:** The MIT Press.
**Автор:** Мэрфи К. П.
**Объем:** 765 стр.
**ISBN:** 978-5-93700-317-1.
**Формат:** PDF.
**Цена:** 2800 руб.
Книга обещает быть полезным ресурсом для всех, кто интересуется развитием машинного обучения и его перспективами.
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- MagicCake Chat [anechkacake] [Анна Сухова]
- [Вязание] Кардиган интересной конструкции связанный спицами Contra [Вяжи.ру]
- [Вязание] Пуловер с круглой кокеткой спицами из мохера Dusking [Вяжи.ру]
- [Вязание] Теплый и стильный жакет с японским плечом Port [Вяжи.ру] [Ozetta]
- [Вязание] Модный жакет Frida рельефной резинкой спицами [Вяжи.ру]
- [Питер] Наука вождения [Сергей Моряхин] + ПсихоДор. Психология дороги или психи на дороге [Александр Копил]