Розпізнавання образів та машинне навчання, тому 1 - Крістофер М. Бішоп

Книга являє собою класичний підручник з розпізнавання образів та машинного навчання. Він містить докладний опис найбільш важливих методів машинного навчання, що базуються на байєсівському підході.

Цей сучасний підручник, що є всеосяжним введенням у розпізнавання образів і машинне навчання. Читачам достатньо знати основи багатовимірного математичного аналізу, лінійної алгебри та теорії ймовірностей.

Книга підходить для викладання курсів з машинного навчання, математичної статистики, комп'ютерних наук та розпізнавання образів. Кожен розділ супроводжується численними завданнями різного рівня складності. Підручник призначений для студентів старших курсів та аспірантів першого року навчання, а також дослідників та практиків, які займаються розпізнавання образів та машинним навчанням.

Бурхливий розвиток практичних додатків машинного навчання за останні десять років супроводжується інтенсивною розробкою важливих алгоритмів та методів, що лежать у його основі. Наприклад, байєсівські методи перестали бути предметом вивчення вузьких фахівців і стали основним трендом, а графи стали загальноприйнятим інструментом для опису та застосування ймовірнісних методів. Практичне значення байєсовських методів дедалі більше посилюється завдяки розвитку численних алгоритмів наближеного висновку, як-от варіаційний байесовский підхід і метод поширення очікування.

Крім того, все більшого значення для алгоритмів і додатків набувають нові ядерні моделі.

Цей зовсім новий підручник відображає сучасні досягнення розпізнавання образів та машинного навчання і є всеосяжним введенням у цю область. Він призначений для студентів старших курсів та аспірантів першого року навчання, а також дослідників та практиків. Від читачів не потрібно попередніх знань у галузі розпізнавання образів та машинного навчання. Достатньо знати основи багатовимірного математичного аналізу та лінійної алгебри. Досвід застосування теорії ймовірностей є бажаним, але не обов'язковим, оскільки книга містить самостійне введення в теорію ймовірностей.

Книгу зручно використовувати для викладання курсів з машинного навчання, статистики, комп'ютерних наук, інтелектуального аналізу даних та біоінформатики. Для зручності викладання підручник містить великий методичний матеріал, що включає більш ніж 400 вправ, ранжованих за складністю. Вирішення деяких вправ можна знайти на веб-сайті, присвяченому книзі. Книга супроводжується публікацією великого обсягу додаткового матеріалу на веб-сайті, що містить нову інформацію.

про автора
Крістофер М. Бішоп - заступник директора лабораторії Microsoft Research Cambridge та завідувач кафедри комп'ютерних наук в Единбурзькому університеті. Він працює викладачем у коледжі Дарвіна Кембриджського університету та нещодавно був обраний членом Королівської інженерної академії. Його попередній підручник Neural Networks for Pattern Recognition отримав широке визнання.

Усі ілюстрації до книги у кольоровому варіанті доступні на сайті видавництва.

Книга розрахована на студентів старших курсів, аспірантів, інженерів та наукових співробітників, зайнятих у галузі теоретичної та технічної кібернетики, програмістів. Вона буде також цікава фахівцям з теорії ймовірностей, математичної статистики, біоінформатики та ін.

Автор книги "Розпізнавання образів та машинне навчання" Крістофер М. Бішоп, директор лабораторії Microsoft Research Cambridge, надає у книзі алгоритми виведення, за допомогою яких можна швидко знайти відповіді в ситуації, коли точні відповіді неможливі.


Зміст 1 тома

Передмова 11
Математичні позначення 13
Глава 1. Вступ 19
Глава 2. Розподіли ймовірностей 105
Глава 3. Моделі лінійної регресії 195
Глава 4. Лінійні моделі класифікації 247 Глава 5.
Нейронні мережі
335
методи 431
Предметний покажчик 475