
Machine Learning: A Probabilistic Perspective (Adaptive computation and machine learning.)
Kurzinformation



inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
"Machine Learning: A Probabilistic Perspective" von Kevin P. Murphy ist ein umfassendes Lehrbuch, das die Grundlagen und fortgeschrittene Themen des maschinellen Lernens aus einer probabilistischen Sichtweise behandelt. Das Buch bietet eine detaillierte Einführung in die Prinzipien des maschinellen Lernens, wobei der Schwerpunkt auf der Entwicklung probabilistischer Modelle liegt, um Unsicherheiten in Daten und Modellen zu quantifizieren und zu handhaben. Der Inhalt umfasst eine breite Palette von Themen, darunter überwachte und unüberwachte Lernmethoden, Bayessche Netzwerke, Entscheidungsbäume, neuronale Netze und Support-Vektor-Maschinen. Darüber hinaus werden fortgeschrittenere Konzepte wie Monte-Carlo-Methoden, Variationsinferenz und tiefes Lernen behandelt. Murphy legt großen Wert auf die mathematischen Grundlagen und bietet zahlreiche Beispiele sowie Übungsaufgaben zur Vertiefung des Verständnisses. Das Buch richtet sich an Studierende der Informatik oder Statistik sowie an Praktiker im Bereich Data Science, die ein fundiertes Verständnis für probabilistische Ansätze im maschinellen Lernen entwickeln möchten.
Produktdetails

So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Hardcover
- 256 Seiten
- Erschienen 2022
- Wiley & Sons
- Hardcover
- 272 Seiten
- Erschienen 2022
- Wiley-IEEE Press
- paperback
- 515 Seiten
- Erschienen 2020
- Springer
- Gebunden
- 738 Seiten
- Erschienen 2011
- Springer
- Hardcover
- 456 Seiten
- Erschienen 2000
- Wiley-Interscience
- Hardcover
- 256 Seiten
- Erschienen 2023
- Wiley & Sons
- Hardcover
- 288 Seiten
- Erschienen 2015
- Wiley
- Hardcover
- 432 Seiten
- Erschienen 2023
- Wiley & Sons
- Hardcover
- 432 Seiten
- Erschienen 2023
- Wiley-IEEE Press
- hardcover
- 696 Seiten
- Erschienen 2003
- Prentice Hall
- Hardcover -
- Erschienen 2017
- Springer