Apprentissage automatique probabiliste. Sujets avancés : fondements, inférence
A

Apprentissage automatique probabiliste. Sujets avancés : fondements, inférence

Mathématiques
probabilistic machine learning advanced topics Bayesian inference statistical foundations machine learning algorithms theoretical mathematics data distributions
Auteur
Kevin P. Murphy
Éditeur
DMK Press
Année
2024
Langue
Russe
193
Évaluer ce livre

Pour lire le livre, se connecter / s'inscrire

Aperçu du fragment

Livres similaires

Apprentissage automatique probabiliste : introduction

Apprentissage automatique probabiliste : introduction

Kevin P. Murphy

Deep Learning sans Mathématiques. Volume 1. Fondamentaux

Deep Learning sans Mathématiques. Volume 1. Fondamentaux

Andrew Glassner

Réseaux neuronaux avec Python. Fondements de l'IA et de l'apprentissage automatique

Réseaux neuronaux avec Python. Fondements de l'IA et de l'apprentissage automatique

Koulikova I. V.

Mathématiques pour la Data Science. Gérer les données avec l'algèbre linéaire, la théorie des probabilités et les statistiques.

Mathématiques pour la Data Science. Gérer les données avec l'algèbre linéaire, la théorie des probabilités et les statistiques.

Thomas Nield

Théorie des probabilités et statistiques mathématiques. Guide de résolution de problèmes

Théorie des probabilités et statistiques mathématiques. Guide de résolution de problèmes

V. V. Grigoriev-Goloubev, N. V. Vassilieva, E. A. Krotov

Apprentissage profond : principes et concepts

Apprentissage profond : principes et concepts

Christopher M. Bishop, Hugh Bishop

Apprentissage automatique. Science et art de la conception d'algorithmes qui extraient des connaissances à partir des données.

Apprentissage automatique. Science et art de la conception d'algorithmes qui extraient des connaissances à partir des données.

Peter Flach

Algorithmes de prise de décision

Algorithmes de prise de décision

Miquel Cohen-Derfer, Tim Wheeler, Kyle Ray

Régression : théorie et pratique. Avec des exemples en R et Stan

Régression : théorie et pratique. Avec des exemples en R et Stan

Andrew Gelman, Jennifer Hill, Aki Vehtari

Modèles bayésiens. Statistiques bayésiennes avec le langage de programmation Python

Modèles bayésiens. Statistiques bayésiennes avec le langage de programmation Python

Allen B. Downey