Incluye bibliografía e indices

Diluvio habilitado para la Web de hoy de los datos electrónicos exige métodos automatizados de análisis de datos. Aprendizaje automático proporciona estos métodos en desarrollo, que pueden detectar automáticamente patrones en los datos y luego utilizar los patrones descubiertos para predecir datos futuros. Este libro de texto ofrece una introducción completa y autónoma en el campo de aprendizaje automático, basado en un enfoque unificado, probabilística. La cobertura combina amplitud y profundidad, ofreciendo necesario material de fondo sobre temas como la probabilidad, la optimización y el álgebra lineal, así como la discusión de los acontecimientos recientes en el campo, incluyendo campos condicionales azar, L1 regularización y el aprendizaje profundo. El libro está escrito en un estilo accesible informal, con pseudo-código para los algoritmos más importantes. Todos los temas están copiosamente ilustrados con imágenes en color y trabajaron ejemplos extraídos de dichos dominios de aplicación como la biología, el procesamiento de textos, la visión por ordenador y la robótica. En lugar de proporcionar un libro de cocina de diferentes métodos heurísticos, el libro hace hincapié en un enfoque basado en modelos de principios, a menudo utilizando el lenguaje de modelos gráficos para especificar modelos de una manera concisa e intuitiva. Casi todos los modelos descritos se han aplicado en un paquete de software MATLAB - PMTK (probabilística modelado toolkit) - que está disponible gratuitamente en línea. El libro es adecuado para los estudiantes de nivel superior con un fondo de matemáticas de la universidad de nivel introductorio y comienzan los estudiantes de posgrado.