Bewertung:
Das Buch bietet eine umfassende Einführung in das Bayes'sche maschinelle Lernen, die ein breites Spektrum an Themen mit mathematischer Strenge und praktischen Beispielen umfasst. Während es für seine Klarheit und seine Eignung für das Selbststudium gelobt wird, vermissen einige Leser seine Struktur und Organisation. Es ist aufgrund seiner mathematischen Intensität und einiger vager Erklärungen nicht als erstes Buch für absolute Anfänger geeignet.
Vorteile:** Breites Spektrum an behandelten Themen. ** Gute Erklärungen mit mathematischer Präzision. ** Geeignet für das Selbststudium mit praxisnahen Beispielen. ** Enthält zusätzlichen Code für praktische Anwendungen. ** Detaillierte Erforschung der Bayes'schen Techniken. ** Anspruchsvolle Übungen, die aber gut zu bewältigen sind. ** Die neuesten Modelle der Wahrscheinlichkeitsrechnung sind vertreten. ** Starkes Lehrbuch und Beitrag zum Fachgebiet.
Nachteile:** Aufgrund der mathematischen Intensität nicht ideal für absolute Anfänger. ** In einigen Bereichen fehlen tiefergehende Erklärungen, was Anfänger verwirren kann. ** Organisation des Buches wird kritisiert; Definitionen können verstreut oder nicht gut platziert sein. ** Einige Kapitel sind fortgeschritten und können zusätzliches Hintergrundwissen erfordern. ** Unstimmigkeiten in Sprache und Symbolik werden bemängelt. ** Es wird über Qualitätsprobleme bei den Druckversionen berichtet. ** Bestimmte Definitionen sind vage oder zirkulär, was zu Verwirrung führt. ** Errata und Online-Korrekturen können erforderlich sein.
(basierend auf 43 Leserbewertungen)
Bayesian Reasoning and Machine Learning
Methoden des maschinellen Lernens extrahieren schnell und mit bescheidenen Mitteln Werte aus riesigen Datensätzen. Sie haben sich in einer Vielzahl industrieller Anwendungen bewährt, z.
B. bei Suchmaschinen, DNA-Sequenzierung, Börsenanalysen und der Fortbewegung von Robotern, und ihr Einsatz verbreitet sich rasch. Menschen, die diese Methoden beherrschen, haben die Wahl zwischen lohnenden Jobs.
Dieser praxisnahe Text eröffnet Informatikstudenten mit bescheidenen mathematischen Kenntnissen diese Möglichkeiten. Es ist für Studenten im letzten Studienjahr und Masterstudenten mit begrenzten Kenntnissen in linearer Algebra und Kalkül konzipiert.
Umfassend und kohärent, entwickelt es alles von grundlegenden Überlegungen bis hin zu fortgeschrittenen Techniken im Rahmen von grafischen Modellen. Die Studenten lernen mehr als nur eine Reihe von Techniken, sie entwickeln analytische und problemlösende Fähigkeiten, die sie für die reale Welt rüsten.
Jedes Kapitel enthält zahlreiche Beispiele und Übungen, sowohl computerbasierte als auch theoretische. Ressourcen für Studenten und Dozenten, einschließlich einer MATLAB-Toolbox, sind online verfügbar.
| ISBN: | 9780521518147 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2012 |
| Seitenzahl: | 735 |
Derzeit verfügbar, auf Lager.
