Ragionamento bayesiano e apprendimento automatico

Recensioni dei lettori

Il libro offre un'introduzione completa all'apprendimento automatico bayesiano, incorporando un'ampia gamma di argomenti con rigore matematico ed esempi pratici. Sebbene sia apprezzato per la sua chiarezza e l'idoneità all'autoapprendimento, alcuni lettori ne trovano carente la struttura e l'organizzazione. Non è ideale come primo libro per i principianti assoluti a causa della sua intensità matematica e di alcune spiegazioni vaghe.

** Ampia gamma di argomenti trattati. ** Buone spiegazioni con precisione matematica. ** Adatto all'autoapprendimento con esempi di buon senso. ** Include codice supplementare per applicazioni pratiche. ** Esplorazione dettagliata delle tecniche bayesiane. ** Esercizi impegnativi ma gestibili. ** Sono rappresentati i più recenti modelli di probabilità. ** Un forte libro di testo e un contributo al campo.

** Non è ideale per i principianti assoluti a causa dell'intensità matematica. ** Mancano spiegazioni più approfondite in alcune aree, che possono confondere i principianti. ** L'organizzazione del libro è criticata; le definizioni possono essere disperse o non ben collocate. ** Alcuni capitoli sono avanzati e possono richiedere ulteriori conoscenze di base. ** Si rileva un'incoerenza nel linguaggio e nel simbolismo. ** Problemi di qualità segnalati con le versioni stampate. ** Alcune definizioni sono vaghe o circolari e causano confusione. ** Potrebbero essere necessari errori e correzioni online.

(basato su 43 recensioni dei lettori)

Titolo originale:

Bayesian Reasoning and Machine Learning

Contenuto del libro:

I metodi di apprendimento automatico estraggono valore da vasti insiemi di dati in modo rapido e con risorse modeste. Sono strumenti consolidati in un'ampia gamma di applicazioni industriali, tra cui i motori di ricerca, il sequenziamento del DNA, l'analisi del mercato azionario e la locomozione dei robot, e il loro uso si sta diffondendo rapidamente.

Le persone che conoscono i metodi possono scegliere tra lavori gratificanti. Questo testo pratico apre queste opportunità agli studenti di informatica con una modesta preparazione matematica. È pensato per studenti dell'ultimo anno di laurea e di master con un bagaglio limitato di algebra lineare e calcolo.

Completo e coerente, sviluppa tutto ciò che va dal ragionamento di base alle tecniche avanzate nell'ambito dei modelli grafici. Gli studenti imparano più che un menu di tecniche, sviluppano capacità analitiche e di risoluzione dei problemi che li preparano per il mondo reale.

Ogni capitolo contiene numerosi esempi ed esercizi, sia teorici che al computer. Sono disponibili online risorse per studenti e docenti, tra cui un toolbox MATLAB.