- Регистрация
- 8 Сен 2016
- Сообщения
- 483.857
- Реакции
- 268.180
[ДМК] **Вероятностное машинное обучение. Дополнительные темы: предсказание, порождение, обнаружение, действие** [Кэвин Мэрфи]
Этот классический труд дополняет книгу "Вероятностное машинное обучение. Введение" и представляет читателям детали самых актуальных теорий и методов машинного обучения. Он включает в себя глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение рассматривается в контексте более широкого статистического фреймворка, и подходы к нему унифицированы 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 части книги написаны ведущими исследователями и специалистами из компаний Google, DeepMind, Amazon, а также университетов Пердью, Нью-Йорка и Вашингтона. Из-за этого книга является важным ресурсом для понимания современных проблем машинного обучения.
**Автор:** Кэвин Патрик Мэрфи
Кэвин Мэрфи - профессор информатики и статистики в Университете Британской Колумбии, а также работает в Google в области искусственного интеллекта, машинного обучения, компьютерного зрения и обработки текста на естественном языке.
**Издание:** Цветное
**Оригинальное название:** "Probabilistic Machine Learning: Advanced Topics"
**Издательство:** The MIT Press
**Автор:** Кэвин П. Мэрфи
**Объем:** 765 страниц
**ISBN:** 978-5-93700-317-1
**Формат:** PDF
**Стоимость:** 2800 руб.
Этот классический труд дополняет книгу "Вероятностное машинное обучение. Введение" и представляет читателям детали самых актуальных теорий и методов машинного обучения. Он включает в себя глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение рассматривается в контексте более широкого статистического фреймворка, и подходы к нему унифицированы 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 части книги написаны ведущими исследователями и специалистами из компаний Google, DeepMind, Amazon, а также университетов Пердью, Нью-Йорка и Вашингтона. Из-за этого книга является важным ресурсом для понимания современных проблем машинного обучения.
**Автор:** Кэвин Патрик Мэрфи
Кэвин Мэрфи - профессор информатики и статистики в Университете Британской Колумбии, а также работает в Google в области искусственного интеллекта, машинного обучения, компьютерного зрения и обработки текста на естественном языке.
**Издание:** Цветное
**Оригинальное название:** "Probabilistic Machine Learning: Advanced Topics"
**Издательство:** The MIT Press
**Автор:** Кэвин П. Мэрфи
**Объем:** 765 страниц
**ISBN:** 978-5-93700-317-1
**Формат:** PDF
**Стоимость:** 2800 руб.
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- [ИИ] Чат-бот с искусственным интеллектом ChatGPT [openai.com] Team №9 на 1 месяц по 10 человек
- Время праздновать! Книга-лекарство от обесценивания, суеты и дня сурка [Анна Черных]
- Дайте денег, работу не предлагать. Книга-практикум по решению психологических проблем с финансами [Марина Гогуева]
- Все под контролем! Как быть усидчивым, внимательным и спокойным, даже если у тебя СДВГ [Лоуренс Шапиро]
- Мозг: еда и новизна. Почему нас тянет к новому и вкусному [Вячеслав Дубынин]
- Как приручить тревогу. Шаг за шагом к внутреннему спокойствию. Дневник ежедневных побед [Татьяна Орешина]
- Биполярное расстройство во всем его многообразии [EduNote] [Маша Пушкина (Фаворская)]
- Прогноз-руководство на 2025 [Школа Китайской Метафизики] [Наталья Пугачёва]