Mintafelismerés és gépi tanulás

Értékelés:   (4.3 az 5-ből)

Mintafelismerés és gépi tanulás (M. Bishop Christopher)

Olvasói vélemények

Összegzés:

A könyv átfogó forrás a gépi tanulás tanulmányozásához, és különösen dicsérik a témák széles körű lefedettségéért, matematikai szigoráért és értő magyarázataiért. Számos kritika azonban rámutat a nyomtatás minőségével kapcsolatos aggályokra, különösen a papírkötéses változatban, ahol az illusztrációk gyakran fekete-fehérek, így nehezen értelmezhetőek. A Kindle változatot is kritizálják a megjelenítési problémák miatt, amelyek akadályozzák az olvasás élményét.

Előnyök:

A gépi tanulás témáinak átfogó lefedése
Kiváló meglátások Dr. Bishop-tól
Jól magyarázott és strukturált tartalom
Jó a haladó tanulóknak vagy a matematikában jártasaknak
Pozitív szállítási élmény és a könyv állapota.

Hátrányok:

Gyenge nyomtatási minőség a paperback kiadásokban (fekete-fehér illusztrációk)
A Kindle verzióban megjelenítési problémák vannak a képekkel és egyenletekkel
A szöveg túlságosan sűrű és matematikai lehet a kezdők számára
Egyes kritikák szerint több példára és gyakorlati alkalmazásra lenne szükség.

(49 olvasói vélemény alapján)

Eredeti címe:

Pattern Recognition and Machine Learning

Könyv tartalma:

Ez az első olyan szöveg a mintafelismerésről, amely a Bayes-féle nézőpontot mutatja be, amely az elmúlt öt évben egyre népszerűbbé vált. Olyan közelítő következtetési algoritmusokat mutat be, amelyek gyors közelítő válaszokat tesznek lehetővé olyan helyzetekben, amikor a pontos válaszok nem adhatók meg.

Ez az első olyan szöveg, amely gráfmodelleket használ a valószínűségi eloszlások leírására, miközben nincs más olyan könyv, amely gráfmodelleket alkalmazna a gépi tanulásban. Emellett ez az első négyszínű könyv a mintafelismerésről. A könyv alkalmas a gépi tanulás, a statisztika, az informatika, a jelfeldolgozás, a számítógépes látás, az adatbányászat és a bioinformatika kurzusaihoz.

A tanfolyamot oktatók számára széleskörű támogatást nyújt, többek között több mint 400, nehézség szerint osztályozott feladatot tartalmaz. A gyakorlatok egy részének példamegoldásai a könyv weboldalán érhetők el, a többi feladat megoldását pedig az oktatók a kiadótól szerezhetik be.

A könyv egyéb adatai:

ISBN:9781493938438
Szerző:
Kiadó:
Kötés:Puha kötés
A kiadás éve:2016
Oldalak száma:738

Vásárlás:

Jelenleg kapható, készleten van.

A szerző további könyvei:

Mintafelismerés és gépi tanulás - Pattern Recognition and Machine Learning
Ez az első olyan szöveg a mintafelismerésről, amely a Bayes-féle...
Mintafelismerés és gépi tanulás - Pattern Recognition and Machine Learning
Neurális hálózatok a mintafelismeréshez - Neural Networks for Pattern Recognition
Ez az első átfogó feldolgozás a feed-forward neurális...
Neurális hálózatok a mintafelismeréshez - Neural Networks for Pattern Recognition
Mélytanulás: Alapok és fogalmak - Deep Learning: Foundations and Concepts
Ez a könyv átfogó bevezetést nyújt a mélytanulás alapját képező központi...
Mélytanulás: Alapok és fogalmak - Deep Learning: Foundations and Concepts

A szerző munkáit az alábbi kiadók adták ki:

© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)