The Machine Learning: A Probabilistic Perspective

 

Dostępność:

Wysyłamy w 14 dni

Wysyłamy w 14 dni – to znaczy, że takiego produktu nie mamy na półce w magazynie i musimy go sprowadzić od naszych stałych dostawców. Czas deklarowany przez większość wydawców to w zależności od podanej dostępności 10, 14, 15 lub 21 dni roboczych. Może się zdarzyć, że produkt zostanie doręczony nam wcześniej i wtedy niezwłocznie nastąpi wysyłka Twojego zamówienia.

Zamówienia:0 - 69,99 PLN>69,99 PLNCzas dostawy:
Odbiór osobisty w księgarni 0 zł0 zł1 dzień roboczy
InPost Paczkomaty 24/7 (Płatność online)4.99 zł0 zł1-2 dni robocze
InPost Paczkomaty - Paczka w Weekend (Płatność online)16.99 zł0 zł1-2 dni robocze
Poczta Polska (Płatność online)12.99 zł0 zł3-5 dni roboczych
Poczta Polska (Płatność za pobraniem)13.99 zł0 zł3-5 dni roboczych
Kurier UPS (Płatność online)4.99 zł0 zł1 dzień roboczy
Kurier UPS (Płatność za pobraniem)4.99 zł0 zł1 dzień roboczy
Wysyłka zagranicznaSprawdź szczegóły >
548,90 zł
Today's Web-enabled deluge of electronic data calls for automated methods of data analysis. Machine learning provides these, developing methods that can automatically detect patterns in data and then use the uncovered patterns to predict future data. This textbook offers a comprehensive and self-contained introduction to the field of machine learning, based on a unified, probabilistic approach. The coverage combines breadth and depth, offering necessary background material on such topics as probability, optimization, and linear algebra as well as discussion of recent developments in the field, including conditional random fields, L1 regularization, and deep learning. The book is written in an informal, accessible style, complete with pseudo-code for the most important algorithms. All topics are copiously illustrated with color images and worked examples drawn from such application domains as biology, text processing, computer vision, and robotics. Rather than providing a cookbook of different heuristic methods, the book stresses a principled model-based approach, often using the language of graphical models to specify models in a concise and intuitive way.
Almost all the models described have been implemented in a MATLAB software package--PMTK (probabilistic modeling toolkit)--that is freely available online. The book is suitable for upper-level undergraduates with an introductory-level college math background and beginning graduate students.

Napisz własną recenzję
Napisz recenzję o produkcie: The Machine Learning: A Probabilistic Perspective
Twoja ocena
Ocena ogólna