Книги / Компьютерная литература / Общие вопросы, справочная литература / Общая информатика. Теория информатики
Вероятностное машинное обучение. Введение
Мэрфи Кевин П.
Код товара: 4898860
(0 оценок)Оценить
ОтзывНаписать отзыв
ВопросЗадать вопрос
1 / 2
PDF
'%3e%3crect%20width='40'%20height='40'%20rx='1.33333'%20fill='%235B2599'/%3e%3cpath%20d='M11.6667%2014.537L5.77778%2021.2037L13.2222%2025.8704L25.1111%2025.3148L24.5556%2016.6482L20.6667%2014.537H11.6667Z'%20fill='white'/%3e%3cpath%20d='M17%2016.3149L14.3333%209.87042L18.4444%203.64819L31%206.20375L35.2222%2023.6482L21.4444%2038.426L14.1111%2025.0926L23.3333%2025.8704L24.1111%2014.7593L17%2016.3149Z'%20fill='%2365D0DD'%20stroke='%2365D0DD'%20stroke-width='0.222222'/%3e%3cpath%20fill-rule='evenodd'%20clip-rule='evenodd'%20d='M16.3702%200.549052C10.9656%201.12198%206.10232%204.0939%203.0359%208.69756C1.67884%2010.7349%200.821097%2012.8096%200.301173%2015.3115C0.0501214%2016.5203%200.00690573%2017.0127%200.000445654%2018.7392C-0.00746236%2020.8657%200.0863201%2021.6614%200.56793%2023.5556C1.44728%2027.0136%202.61789%2028.8896%208.1251%2035.6671C12.6346%2041.2167%2014.4445%2043.8483%2016.2657%2047.5032C17.8764%2050.7355%2018.8331%2053.7366%2019.4241%2057.4102L19.5547%2058.2222H19.9851C20.3966%2058.2222%2020.4184%2058.2036%2020.4814%2057.8022C21.556%2050.9486%2023.9992%2045.6599%2029.161%2039.0128C29.5916%2038.4583%2030.8265%2036.921%2031.9051%2035.5965C34.231%2032.7405%2036.5804%2029.669%2037.2227%2028.6446C40.5423%2023.3494%2040.9125%2016.5623%2038.1907%2010.8986C35.4085%205.10925%2029.9531%201.26568%2023.4886%200.540203C22.3134%200.408257%2017.643%200.414081%2016.3702%200.549052ZM24.6383%208.06505C25.4205%208.53011%2026.7108%209.79659%2027.2974%2010.6746C28.443%2012.3898%2029.2639%2014.5619%2029.7377%2017.1315C30.0068%2018.5908%2030.0653%2022.0425%2029.849%2023.6895C29.3587%2027.4207%2028.0784%2030.4471%2026.1617%2032.4052C24.9507%2033.6423%2024.2814%2033.9726%2022.9874%2033.9718C22.1684%2033.9713%2021.9514%2033.9273%2021.3793%2033.6452C20.1944%2033.0613%2018.7227%2031.3826%2017.8364%2029.6041C17.5036%2028.9364%2016.8052%2027.0647%2016.6975%2026.5518L16.621%2026.1878H17.286C17.9195%2026.1878%2017.9547%2026.2025%2018.0249%2026.4958C18.0655%2026.6652%2018.3166%2027.2575%2018.583%2027.8119C19.5493%2029.8237%2021.025%2030.9905%2022.4396%2030.8615C26.4284%2030.4978%2028.7121%2022.0424%2026.591%2015.491C25.9102%2013.3885%2024.7427%2011.7574%2023.4926%2011.1626C22.7107%2010.7907%2022.0678%2010.7524%2021.253%2011.029C20.4928%2011.2872%2019.2796%2012.524%2018.7165%2013.6148L18.2973%2014.4269H17.623H16.9487L17.0233%2014.1189C17.1613%2013.5493%2017.8502%2012.0467%2018.3883%2011.1416C19.3043%209.6008%2021.0802%207.97152%2022.1488%207.69161C22.3344%207.643%2022.8307%207.62407%2023.2516%207.6495C23.8673%207.68657%2024.1386%207.768%2024.6383%208.06505ZM22.2077%2020.7026V24.4022L20.7319%2024.3709L19.2561%2024.3397L19.2263%2021.6235L19.1964%2018.9072H16.4913H13.7862L13.6483%2019.7325C13.4881%2020.6919%2012.9405%2021.8984%2012.3618%2022.5675C11.496%2023.5685%209.99273%2024.3148%208.53576%2024.4669L7.83963%2024.5396V23.1374V21.7352L8.4344%2021.6856C10.026%2021.5529%2010.6998%2020.5141%2010.9087%2017.8712L10.9773%2017.0031H16.5925H22.2077V20.7026Z'%20fill='%235B2599'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_965_57'%3e%3crect%20width='40'%20height='40'%20rx='1.33333'%20fill='white'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
Издательство:
Оригинальное название:
Probabilistic Machine Learning. An Introduction
Год издания:
2022
Переводчик:
Описание
Характеристики
Данный классический труд содержит обстоятельное современное введение в машинное обучение (включая глубокое обучение), рассматриваемое сквозь объединяющую призму вероятностного моделирования и байесовской теории принятия решений. Включен базовый математический аппарат (в т. ч. элементы линейной алгебры и теории оптимизации), основы обучения с учителем (включая линейную и логистическую регрессию и глубокие нейронные сети), а также более сложные темы (в т. ч. перенос обучения и обучение без учителя). Упражнения в конце глав помогут читателям применить полученные знания, а в приложении имеется сводка используемых обозначений.
В основу издания легла вышедшая в 2012 году книга Кэвина Мэрфи "Machine Learning: A Probabilistic Perspective". Однако это совершенно новая работа, отражающая многие достижения, случившиеся в этой области за последние 10 лет.
В основу издания легла вышедшая в 2012 году книга Кэвина Мэрфи "Machine Learning: A Probabilistic Perspective". Однако это совершенно новая работа, отражающая многие достижения, случившиеся в этой области за последние 10 лет.
код в Майшоп
4898860
возрастная категория
18+ (нет данных)
количество томов
1
количество страниц
990 стр.
размеры
242x170x55 мм
ISBN
978-5-93700-119-1
тип бумаги
офсетная (60-220 г/м2)
цвет
Синий
вес
язык
Русский
переплёт
Твёрдый переплёт
Содержание
От издательства
Предисловие
Глава 1. Введение
Часть I. Основания
Глава 2. Вероятность: одномерные модели
Глава 3. Вероятность: многомерные модели
Глава 4. Статистика
Глава 5. Теория принятия решений
Глава 6. Теория информации
Глава 7. Линейная алгебра
Глава 8. Оптимизация
Часть II. Линейные модели
Глава 9. Линейный дискриминантный анализ
Глава 10. Логистическая регрессия
Глава 11. Линейная регрессия
Глава 12. Обобщенные линейные модели*
Часть III. Глубокие нейронные сети
Глава 13. Нейронные сети для структурированных
данных
Глава 14. Нейронные сети для изображений
Глава 15. Нейронные сети для
последовательностей
Часть IV. Непараметрические модели
Глава 16. Методы на основе эталонов
Глава 17. Ядерные методы*
Глава 18. Деревья, леса, бэггинг и бустинг
Часть V. За пределами обучения с учителем
Глава 19. Обучение при меньшем числе помеченных
примеров
Глава 20. Понижение размерности
Глава 21. Кластеризация
Глава 22. Рекомендательные системы
Глава 23. Погружения графов*
Приложение А. Обозначения
Библиография
Предметный указатель
Предисловие
Глава 1. Введение
Часть I. Основания
Глава 2. Вероятность: одномерные модели
Глава 3. Вероятность: многомерные модели
Глава 4. Статистика
Глава 5. Теория принятия решений
Глава 6. Теория информации
Глава 7. Линейная алгебра
Глава 8. Оптимизация
Часть II. Линейные модели
Глава 9. Линейный дискриминантный анализ
Глава 10. Логистическая регрессия
Глава 11. Линейная регрессия
Глава 12. Обобщенные линейные модели*
Часть III. Глубокие нейронные сети
Глава 13. Нейронные сети для структурированных
данных
Глава 14. Нейронные сети для изображений
Глава 15. Нейронные сети для
последовательностей
Часть IV. Непараметрические модели
Глава 16. Методы на основе эталонов
Глава 17. Ядерные методы*
Глава 18. Деревья, леса, бэггинг и бустинг
Часть V. За пределами обучения с учителем
Глава 19. Обучение при меньшем числе помеченных
примеров
Глава 20. Понижение размерности
Глава 21. Кластеризация
Глава 22. Рекомендательные системы
Глава 23. Погружения графов*
Приложение А. Обозначения
Библиография
Предметный указатель
Отзывы
Вопросы
Поделитесь своим мнением об этом товаре с другими покупателями — будьте первыми!
Дарим бонусы за отзывы!
За какие отзывы можно получить бонусы?
- За уникальные, информативные отзывы, прошедшие модерацию
Как получить больше бонусов за отзыв?
- Публикуйте фото или видео к отзыву
- Пишите отзывы на товары с меткой "Бонусы за отзыв"
Задайте вопрос, чтобы узнать больше о товаре
Если вы обнаружили ошибку в описании товара «Вероятностное машинное обучение. Введение» (авторы: Мэрфи Кевин П.), то выделите её мышкой и нажмите Ctrl+Enter. Спасибо, что помогаете нам стать лучше!