- Регистрация
- 8 Сен 2016
- Сообщения
- 483.832
- Реакции
- 268.177
[ДМК] Вероятностное машинное обучение. Дополнительные темы: предсказание, порождение, обнаружение, действие [Кэвин Мэрфи]
Дополняя книгу «Вероятностное машинное обучение. Введение», данное произведение представляет читателю самые актуальные теории и методы машинного обучения, включая глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение рассматривается в статистическом контексте, с унификацией подходов к вероятностному моделированию и выводу.
**Основные темы:**
- Предсказательные и обобщенные линейные модели;
- Глубокие и байесовские нейронные сети;
- Вариационные автокодировщики;
- Порождающие и диффузионые модели;
- Порождающие состязательные сети;
- Модели латентных факторов и пространства состояний;
- Принятие решений в условиях неопределенности;
- Обучение с подкреплением;
- Каузальность.
**Об авторе:**
Кэвин Патрик Мэрфи — профессор информатики и статистики в Университете Британской Колумбии, работает в Google. Его область интересов включает искусственный интеллект, машинное обучение, компьютерное зрение и анализ текстов естественного языка.
**Издательство:** The MIT Press
**Автор:** Мэрфи К. П.
**Объем:** 765 стр.
**ISBN:** 978-5-93700-317-1
**Формат:** Цветной PDF
**Цена:** 2800
Книга представляет ценную информацию от ведущих специалистов Google, DeepMind, Amazon и университетов Пердью, Нью-Йорка и Вашингтона. Настоятельно рекомендуется для понимания актуальных проблем машинного обучения.
Дополняя книгу «Вероятностное машинное обучение. Введение», данное произведение представляет читателю самые актуальные теории и методы машинного обучения, включая глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение рассматривается в статистическом контексте, с унификацией подходов к вероятностному моделированию и выводу.
**Основные темы:**
- Предсказательные и обобщенные линейные модели;
- Глубокие и байесовские нейронные сети;
- Вариационные автокодировщики;
- Порождающие и диффузионые модели;
- Порождающие состязательные сети;
- Модели латентных факторов и пространства состояний;
- Принятие решений в условиях неопределенности;
- Обучение с подкреплением;
- Каузальность.
**Об авторе:**
Кэвин Патрик Мэрфи — профессор информатики и статистики в Университете Британской Колумбии, работает в Google. Его область интересов включает искусственный интеллект, машинное обучение, компьютерное зрение и анализ текстов естественного языка.
**Издательство:** The MIT Press
**Автор:** Мэрфи К. П.
**Объем:** 765 стр.
**ISBN:** 978-5-93700-317-1
**Формат:** Цветной PDF
**Цена:** 2800
Книга представляет ценную информацию от ведущих специалистов Google, DeepMind, Amazon и университетов Пердью, Нью-Йорка и Вашингтона. Настоятельно рекомендуется для понимания актуальных проблем машинного обучения.
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- Полный курс предлогов | Освоение английской грамматики [Udemy] [Luke Priddy]
- Если я люблю себя: стратегия поведения взрослого человека [Анна Финчем]
- Никто тебя не заведет, если ты не дашь ему ключи. Как сохранять спокойствие, когда люди сводят вас с ума [Майк Бечтли]
- [Лепка] Курс осенние цветы [Ольга Бутяева]
- Кухня гор. Невероятные кулинарные приключения [Залина Борисова]
- Нежно-денежно. Книга о деньгах и душевном спокойствии [Ольга Примаченко]
- Алхимия вкуса. 1500 креативных вкусовых сочетаний и вдохновляющие рецепты [Рафаэль Омон, Тьерри Маркс]
- Большая книга Шетландского кружева. 12 изысканных шалей, шарфов и палантинов для вязания на спицах [Фумико Уэда]