Імовірнісне машинне навчання. Додаткові теми: передбачення, породження, виявлення, дія

Книга є першим томом до книги "Ймовірнісне машинне навчання. Додаткові теми: передбачення, породження, виявлення, дія".

Доповнюючи раніше видану книгу "Ймовірнісне машинне навчання. Вступ", ця класична праця знайомить читача з деталями найактуальніших теорій і методів машинного навчання, включно з глибокими породжувальними моделями, графовими моделями, байєсівським висновком, навчанням з підкріпленням і причинністю. Глибоке навчання викладається в контексті ширшого статистичного контексту, а підходи до глибокого навчання уніфіковано з підходами до ймовірнісного моделювання та виведення.

Основні теми:

• ймовірність;
• статистика;
• графові моделі;
• теорія інформації;
• оптимізація;
• алгоритми виведення;
• Гаусова фільтрація та згладжування;
• алгоритми передачі повідомлень;
• варіаційний висновок;
• методи Монте-Карло.

Окремі частини книги написані провідними дослідниками і фахівцями в предметній області з таких компаній, як Google, DeepMind, Amazon, університет Пердью, Нью-Йоркський і Вашингтонський університети; зокрема, з цієї причини книга вкрай важлива для розуміння нагальних проблем машинного навчання.

Кевін Патрік Мерфі здобув ступінь бакалавра в Кембриджі, Англія, і продовжив освіту в США (магістр технічних наук у Пенсільванському університеті, доктор у Каліфорнійському університеті в Берклі, постдокторантура в МТІ). У 2004 році обійняв посаду професора інформатики і статистики в Університеті Британської Колумбії у Ванкувері. Працює у відділенні Google в Маунтін-В'ю, де займається штучним інтелектом, машинним навчанням, комп'ютерним зором і розумінням текстів природною мовою.