Pattern Recognition and Machine Learning
Afbeeldingen
Sla de afbeeldingen overArtikel vergelijken
- Engels
- Hardcover
- 9780387310732
- 17 augustus 2006
- 738 pagina's
Christopher M. Bishop
(Bron: Wikipedia. Beschikbaar onder de licentie Creative Commons Naamsvermelding/Gelijk delen.)"
Samenvatting
The dramatic growth in practical applications for machine learning over the last ten years has been accompanied by many important developments in the underlying algorithms and techniques. For example, Bayesian methods have grown from a specialist niche to become mainstream, while graphical models have emerged as a general framework for describing and applying probabilistic techniques. The practical applicability of Bayesian methods has been greatly enhanced by the development of a range of approximate inference algorithms such as variational Bayes and expectation propagation, while new models based on kernels have had a significant impact on both algorithms and applications.
This completely new textbook reflects these recent developments while providing a comprehensive introduction to the fields of pattern recognition and machine learning. It is aimed at advanced undergraduates or first-year PhD students, as well as researchers and practitioners. No previous knowledge of pattern recognition or machine learning concepts is assumed. Familiarity with multivariate calculus and basic linear algebra is required, and some experience in the use of probabilities would be helpful though not essential as the book includes a self-contained introduction to basic probability theory.
The book is suitable for courses on machine learning, statistics, computer science, signal processing, computer vision, data mining, and bioinformatics. Extensive support is provided for course instructors, including more than 400 exercises, graded according to difficulty. Example solutions for a subset of the exercises are available from the book web site, while solutions for the remainder can be obtained by instructors from the publisher. The book is supported by a great deal of additional material, and the reader is encouraged to visit the book web site for the latest information.
Christopher M. Bishop is Deputy Director of Microsoft Research Cambridge, and holds a Chair inComputer Science at the University of Edinburgh. He is a Fellow of Darwin College Cambridge, a Fellow of the Royal Academy of Engineering, and a Fellow of the Royal Society of Edinburgh. His previous textbook "Neural Networks for Pattern Recognition" has been widely adopted.
Coming soon:
*For students, worked solutions to a subset of exercises available on a public web site (for exercises marked "www" in the text)
*For instructors, worked solutions to remaining exercises from the Springer web site
*Lecture slides to accompany each chapter
*Data sets available for download
Pattern recognition has its origins in engineering, whereas machine learning grew out of computer science. However, these activities can be viewed as two facets of the same field, and together they have undergone substantial development over the past ten years. In particular, Bayesian methods have grown from a specialist niche to become mainstream, while graphical models have emerged as a general framework for describing and applying probabilistic models. Also, the practical applicability of Bayesian methods has been greatly enhanced through the development of a range of approximate inference algorithms such as variational Bayes and expectation pro- gation. Similarly, new models based on kernels have had significant impact on both algorithms and applications. This new textbook reacts these recent developments while providing a comprehensive introduction to the fields of pattern recognition and machine learning. It is aimed at advanced undergraduates or first year PhD students, as wellas researchers and practitioners, and assumes no previous knowledge of pattern recognition or - chine learning concepts. Knowledge of multivariate calculus and basic linear algebra is required, and some familiarity with probabilities would be helpful though not essential as the book includes a self-contained introduction to basic probability theory.
Productspecificaties
Inhoud
- Taal
- en
- Bindwijze
- Hardcover
- Oorspronkelijke releasedatum
- 17 augustus 2006
- Aantal pagina's
- 738
- Illustraties
- Nee
Betrokkenen
- Hoofdauteur
- Christopher M. Bishop
- Hoofduitgeverij
- Springer-Verlag New York Inc.
Vertaling
- Originele titel
- Pattern Recognition and Machine Learning
Overige kenmerken
- Editie
- 1
- Extra groot lettertype
- Nee
- Product breedte
- 191 mm
- Product hoogte
- 45 mm
- Product lengte
- 241 mm
- Studieboek
- Ja
- Verpakking breedte
- 178 mm
- Verpakking hoogte
- 37 mm
- Verpakking lengte
- 259 mm
- Verpakkingsgewicht
- 1420 g
EAN
- EAN
- 9780387310732
Je vindt dit artikel in
- Categorieën
- Taal
- Engels
- Boek, ebook of luisterboek?
- Boek
- Beschikbaarheid
- Leverbaar
- Select-bezorgopties
- Vandaag Bezorgd, Avondbezorging, Zondagbezorging, Gratis verzending
Reviews
Negatief, positief, neutraal: we zetten een review altijd online. We controleren wel eerst of ’ie voldoet aan onze reviewvoorwaarden en niet nep is. We controleren ook of ’ie is geschreven door iemand die het artikel heeft gekocht via bol.com en zetten dit er dan bij. De controles gebeuren automatisch, al kijken er soms mensen mee. Bol.com betaalt niet voor reviews. Als een reviewer door een andere partij is vergoed, staat dit in de review zelf.
Negatief, positief, neutraal: we zetten een review altijd online. We controleren wel eerst of ’ie voldoet aan onze reviewvoorwaarden en niet nep is. We controleren ook of ’ie is geschreven door iemand die het artikel heeft gekocht via bol.com en zetten dit er dan bij. De controles gebeuren automatisch, al kijken er soms mensen mee. Bol.com betaalt niet voor reviews. Als een reviewer door een andere partij is vergoed, staat dit in de review zelf.
-
Positieve punten
- Toegankelijk
- Praktisch toepasbaar
- Heldere uitleg
Het is een super dik boek, wat betekent in dit geval ook super veel informatie. De informatie die erin staat is duidelijk en de plaatjes en daarmee de concepten worden goed uitgelegd. Een wiskundige achtergrond is handig, want soms worden er wat stapjes overgeslagen. (dit maakt het niveau wat hoger ook, fijn:))
Vond je dit een nuttige review?30 -
Positieve punten
- Toegankelijk
- Heldere uitleg
- Volledig
Negatieve punten
- Moeilijk leesbaar
Diepte en overzicht
Vond je dit een nuttige review?10 -
Positieve punten
- Praktisch toepasbaar
Goed boek over de basis van ML, zeer wiskundig opgeschreven.
Vond je dit een nuttige review?10 -
Positieve punten
- Toegankelijk
- Praktisch toepasbaar
- Heldere uitleg
Het boek ziet er misschien aanvankelijk intimiderend uit voor de minder wiskundige onder ons, maar als je bij het begin begint en goed je best doet om te begrijpen waar welke functies voor staan, is er goed door te komen. Het is een mooi studieboek, met v
Vond je dit een nuttige review?30 -
Positieve punten
- Praktisch toepasbaar
- Heldere uitleg
- Volledig
Interessant boek met goede en duidelijke uitleg. Zeker een aanrader voor mensen met een interesse in Artificial Intelligence.
Vond je dit een nuttige review?30
Kies gewenste uitvoering
Prijsinformatie en bestellen
De prijs van dit product is 65 euro en 99 cent.- Prijs inclusief verzendkosten, verstuurd door bol
- Ophalen bij een bol afhaalpunt mogelijk
- 30 dagen bedenktijd en gratis retourneren
- Dag en nacht klantenservice
- Vandaag nog in huis (bestel ma-vr voor 12:00, bezorging tussen 17:00 en 22:00)
- Doordeweeks ook ’s avonds in huis
- Ook zondag in huis (bestel voor za 23:59)
Vaak samen gekocht
Rapporteer dit artikel
Je wilt melding doen van illegale inhoud over dit artikel:
- Ik wil melding doen als klant
- Ik wil melding doen als autoriteit of trusted flagger
- Ik wil melding doen als partner
- Ik wil melding doen als merkhouder
Geen klant, autoriteit, trusted flagger, merkhouder of partner? Gebruik dan onderstaande link om melding te doen.