Descrição
Aprendizado de Máquina Probabilístico: Uma Introdução oferece uma introdução detalhada e atualizada ao aprendizado de máquina, incluindo aprendizado profundo, através da lente unificadora da modelagem probabilística e da teoria da decisão bayesiana. O livro cobre a base matemática essencial, incluindo álgebra linear e otimização, e explora técnicas básicas de aprendizado supervisionado, como regressão linear e logística, bem como redes neurais profundas. Tópicos mais avançados, incluindo aprendizado por transferência e aprendizado não supervisionado, também são discutidos.
Ler mais
Exercícios ao final de cada capítulo permitem que os alunos apliquem o que aprenderam, reforçando sua compreensão do material. Um apêndice fornece uma visão abrangente da notação utilizada ao longo do texto. Este livro não é apenas uma atualização do trabalho anterior do autor, Aprendizado de Máquina: Uma Perspectiva Probabilística, mas sim um texto completamente novo que reflete os desenvolvimentos significativos na área desde 2012, particularmente em aprendizado profundo.
Acompanhando o livro, há código Python online que utiliza bibliotecas como scikit-learn, JAX, PyTorch e TensorFlow. Este código permite que os leitores reproduzam quase todas as figuras apresentadas no livro, e pode ser executado em um navegador da web usando cadernos baseados em nuvem. Este recurso prático complementa os tópicos teóricos discutidos, tornando-se uma ferramenta inestimável para os aprendizes.
Escrito por Kevin P. Murphy, um Cientista Pesquisador no Google, este livro é voltado para estudantes e profissionais interessados em inteligência artificial e aprendizado de máquina. Ele serve como um texto introdutório que será seguido por uma sequência cobrindo tópicos mais avançados, mantendo a mesma abordagem probabilística.
- CategoriaOutras ferramentas de IA
Detalhes do livro
Autor: Kevin P. Murphy
Ano de Publicação: 2022
Páginas: 864
Formatos Disponíveis: Capa Dura, eBook
Editora: The MIT Press
ISBN: 9780262046824
ISBN do eBook: 9780262369305
Série: Computação Adaptativa e Aprendizado de Máquina
Para quem é este livro
- Aprendendo Aprendizado de Máquina
- Aplicações de Aprendizado Profundo
- Modelagem Probabilística
- Recurso Educacional
- Codificação Prática
