Вероятностное машинное обучение. Дополнительные темы: основания, вывод
Эта книга является продолжением классического труда «Вероятностное машинное обучение. Введение» и представляет собой углублённое руководство по продвинутым темам в области машинного обучения. Автор, Кэвин П. Мэрфи, рассматривает машинное обучение через призму вероятностных моделей, что позволяет читателю получить глубокое понимание теоретических основ и современных методов.
В первой части книги («Основания») подробно излагаются фундаментальные концепции вероятности и статистики, включая различные распределения вероятностей, байесовский подход и основы статистического вывода. Эта часть служит необходимой теоретической базой для понимания более сложных тем.
Вторая часть («Вывод») посвящена практическому применению байесовского вывода к вероятностным моделям. Рассматриваются алгоритмы вывода, методы обучения и тестирования моделей в условиях различных распределений данных, а также порождение сложных многомерных выходов, таких как изображения, текст и графы.
Книга предназначена для специалистов в области машинного обучения и искусственного интеллекта, а также для студентов профильных специальностей. Предполагается, что читатель уже знаком с основами машинного обучения, теорией вероятностей, статистикой и линейной алгеброй. Издание сочетает в себе строгий теоретический подход с практическими примерами, что делает его ценным ресурсом для углублённого изучения предмета.
