• Гость, подпишитесь сейчас

    📥 Наш адрес сайта меняется, чтобы быть в курсе актуального адреса, подпишитесь на телеграм канал «Подписаться»
Скачать 

Вероятностное машинное обучение. Дополнительные темы: предсказание, порождение, обнаружение, действие [Кэвин Патрик Мэрфи]

  • Дата начала

Описание складчины

Вероятностное машинное обучение. Дополнительные темы: предсказание, порождение, обнаружение, действие [Кэвин Патрик Мэрфи] позволит расширить личную электронную библиотеку интересным литературным материалом. Купить книгу можно посредством складчины и читать её тогда, когда есть свободное время.

Цена: 150 РУБ
Показать больше
Aноним
  • #1

Вероятностное машинное обучение. Дополнительные темы: предсказание, порождение, обнаружение, действие [Кэвин Патрик Мэрфи]

Ссылка на картинку
Справочник, проверенный временем. Быстрый ответ на любой вопрос по архитектуре и программированию AVR Mega!

Ищете структурированный и глубокий учебник по микроконтроллерам AVR? Эта книга — проверенный временем выбор. Она последовательно объясняет архитектуру семейства Mega, работу с портами, таймерами, АЦП, интерфейсами. Идеально для курса «Микропроцессорная техника», лабораторных работ и дипломных проектов.

Книга является вторым томом к книге "Вероятностное машинное обучение. Дополнительные темы: основания, вывод".

Дополняя ранее изданную книгу «Вероятностное машинное обучение. Введение», этот классический труд знакомит читателя с деталями самых актуальных теорий и методов машинного обучения, включая глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение излагается в контексте более широкого статистического контекста, а подходы к глубокому обучению унифицированы с подходами к вероятностному моделированию и выводу.

Основные темы:
предсказательные и обобщенные линейные модели;
глубокие и байесовские нейронные сети;
вариационные автокодировщики;
порождающие и диффузионые модели;
порождающие состязательные сети;
модели латентных факторов и пространства состояний;
принятие решений в условиях неопределенности;
обучение с подкреплением;
каузальность.
Отдельные части книги написаны ведущими исследователями и специалистами в предметной области из таких компаний, как Google, DeepMind, Amazon, университет Пердью, Нью-Йоркский и Вашингтонский университеты; в частности, по этой причине книга крайне важна для понимания животрепещущих проблем машинного обучения.

Кэвин Патрик Мэрфи получил степень бакалавра в Кэмбридже, Англия, и продолжил образование в США (магистр технических наук в Пенсильванском университете, доктор в Калифорнийском университете в Беркли, постдокторантура в МТИ). В 2004 году занял должность профессора информатики и статистики в Университете Британской Колумбии в Ванкувере. Работает в отделении Google в Маунтин-Вью, где занимается искусственным интеллектом, машинным обучением, компьютерным зрением и пониманием текстов на естественном языке.

Формат: PDF
Показать больше
 
Зарегистрируйтесь , чтобы посмотреть контент.
avr mega вероятностное машинное обучение глубокие и байесовские нейронные сети дополнительные темы кэвин патрик мэрфи обобщенные линейные модели
Похожие складчины

Войдите или зарегистрируйтесь!

Учетная запись позволит вам участвовать в складчинах и оставлять комментарии

Регистрация

Создайте аккаунт. Это просто!

Вход

Вы уже зарегистрированы? Войдите.

Сверху