Machine learning : a probabilistic perspective / Kevin P. Murphy.
Tipo de material: TextoSeries Adaptive computation and machine learning seriesEditor: Cambridge, MA : MIT Press, c2012Descripción: xxix, 1067 p. : il. (algunas a col.) ; 24 cmISBN: 9780262018029 (hardcover : alk. paper)Tema(s): APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)Clasificación CDD: 006.31 Resumen: 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.Tipo de ítem | Ubicación actual | Colección | Signatura | Info Vol | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems |
---|---|---|---|---|---|---|---|---|---|
LIBRO - MATERIAL GENERAL | Biblioteca Satélite Fondo general | Colección / Fondo / Acervo / Resguardo | 006.31 M978m (Navegar estantería) | Ej. 1 | 1 | Prestado | 2018-07-31 | 024364 |
Navegando Biblioteca Jorge Álvarez Lleras Estantes, Ubicación: Fondo general, Código de colección: Colección / Fondo / Acervo / Resguardo Cerrar el navegador de estanterías
005.8 C227c 2a ed. Computación forense : | 005.8 C277i Inseguridad de la información : | 006.3 H356e The elements of statistical learning: | 006.31 M978m Machine learning : | 006.312 P895 Practical text mining and statistical analysis for non-structured text data applications / | 006.312 P895 Practical text mining and statistical analysis for non-structured text data applications / | 006.332 K569 Knowledge engineering and management : |
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.
No hay comentarios en este titulo.