[Кэвин Мэрфи] [ДМК] Вероятностное машинное обучение. Дополнительные темы: основания, вывод (2024)
Дополняя ранее изданную книгу «Вероятностное машинное обучение. Введение», этот классический труд знакомит читателя с деталями самых актуальных теорий и методов машинного обучения, включая глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение излагается в контексте более широкого статистического контекста, а подходы к глубокому обучению унифицированы с подходами к вероятностному моделированию и выводу.
Основные темы:
- вероятность;
- статистика;
- графовые модеи;
- теория информации;
- оптимизация;
- алгоритмы вывода;
- Гауссова фильтрация и сглаживание;
- алгоритмы передачи сообщений;
- вариационный вывод;
- методы Монте-Карло.
Кэвин Патрик Мэрфи
Получил степень бакалавра в Кэмбридже, Англия, и продолжил образование в США (магистр технических наук в Пенсильванском университете, доктор в Калифорнийском университете в Беркли, постдокторантура в МТИ). В 2004 году занял должность профессора информатики и статистики в Университете Британской Колумбии в Ванкувере. Работает в отделении Google в Маунтин-Вью, где занимается искусственным интеллектом, машинным обучением, компьютерным зрением и пониманием текстов на естественном языке.
41 Мб.
Скачать:
Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.
