Pattern Recognition and Machine Learning – Lehrbuch – Information Science and Statistics (Deutsche Ausgabe)

Produktbeschreibung

Pattern Recognition and Machine Learning behandelt die Schnittstelle zwischen Mustererkennung und maschinellem Lernen. Das Buch zeigt, wie beide Perspektiven zusammenarbeiten, um eine umfassende Einführung zu bieten. Bayesian Methods gewinnen an Bedeutung, Graphical Models dienen als allgemeiner Rahmen probabilistischer Modelle, und Approximate Inference-Techniken wie Variational Bayes sowie Expectation Propagation werden erläutert. Kernelbasierte Modelle haben Praxis und Algorithmen beeinflusst. Zielgruppe sind fortgeschrittene Bachelor- oder Erstsemester-PhD-Studenten, Forscher und Praktiker. Vorkenntnisse in multivariater Analysis und linearer Algebra sind erforderlich; Grundkenntnisse in Wahrscheinlichkeit helfen, eine eigenständige Einführung in Wahrscheinlichkeitslehre wird angeboten.