Описание
«Вероятностное машинное обучение: введение» Кевина Патрика Мерфи, опубликованная MIT Press в марте 2022 года, служит основополагающим текстом для понимания принципов машинного обучения через призму вероятности. Книга тщательно устраняет разрыв между традиционными статистическими методами и современными достижениями в области глубокого обучения, представляя целостную структуру, которая освещает взаимосвязи и компромиссы между различными методологиями машинного обучения.
Читать далее
Ключевым педагогическим подходом книги является интеграция практических примеров кода. К каждой главе прилагаются ноутбуки Colab, которые позволяют читателям воспроизводить фигуры, представленные в тексте. Эти ноутбуки разработаны для простоты использования, с инструкциями по настройке и возможностью запуска кода напрямую, даже с автоматической установкой необходимых пакетов. Для тех, кто предпочитает локальное выполнение, код также доступен в виде файлов скриптов. Книга также содержит встроенные ссылки на конкретные демонстрации, не связанные с фигурами, что еще больше улучшает интерактивный процесс обучения.
Содержание структурировано таким образом, чтобы обеспечить строгое, но доступное введение в область. Оно охватывает концептуальные, теоретические и вычислительные основы, начиная с базовых принципов и переходя к передовым темам. Рекомендации от видных деятелей сообщества ИИ и машинного обучения, таких как Джефф Хинтон, Крис Бишоп и Дафна Коллер, подчеркивают ясность, всесторонность книги и ее способность объединять различные области машинного обучения. Книга особенно ценна для аспирантов и исследователей, ищущих надежную основу для своей работы.
Помимо основного текста, дополнительные материалы постоянно обновляются, поощряя вклад сообщества. Рецензии хвалят автора за ясный и привлекательный стиль изложения, даже при освещении сложных тем. Книга доступна как в цифровом, так и в печатном формате, с лицензией CC-BY-NC-ND для черновой версии PDF, что способствует широкой доступности при уважении к интеллектуальной собственности. Этот ресурс идеально подходит для всех, кто стремится к глубокому и всестороннему пониманию вероятностного машинного обучения.
- КатегорияДругие ИИ-инструменты
О книге
Всестороннее освещение принципов вероятностного машинного обучения
Объединяет классическую статистику и современное глубокое обучение
Предоставляет унифицированную основу для подходов к машинному обучению
Включает интерактивные примеры кода в ноутбуках Colab
Воспроизводимые фигуры с сопровождающим кодом
Дополнительные материалы и обновления
Строгие, но доступные объяснения
Рекомендовано ведущими исследователями в области ИИ
Доступно в цифровом и печатном форматах
Лицензия CC-BY-NC-ND для черновой версии PDF
Для кого эта книга
- Фундаментальное обучение
- Объединение концепций машинного обучения
- Реализация кода
- Справочник для исследований
- Образовательный ресурс
- Вероятностное моделирование
