000 | 01860aam a2200349 i 4500 | ||
---|---|---|---|
003 | arcduce | ||
005 | 20231103201650.0 | ||
007 | t| | ||
008 | 230306s2022 enk||||| |||| 00| 0 eng d | ||
020 | _a9780262046824 | ||
040 |
_aarcduce _bspa _carcduce _erda |
||
041 | 0 | _aeng | |
082 | 0 |
_222 _a006.31 |
|
100 | 1 |
_aMurphy, Kevin P. _q(Kevin Patrick) _920653 _eautor |
|
245 | 1 | 0 |
_aProbabilistic machine learning : _ban introduction / _cKevin P. Murphy. |
264 | 4 |
_aCambridge, Mass. : _bThe MIT Press, _c©2022 |
|
300 |
_axxix, 826 páginas : _bilustraciones (color), gráficos |
||
336 |
_2rdacontent _atexto |
||
337 |
_2rdamedia _asin mediación |
||
338 |
_2rdacarrier _avolumen |
||
490 | 0 | _aAdaptive computation and machine learning | |
504 | _aBibliografía: páginas 793-826. | ||
505 | 3 | _aEste libro ofrece una introducción detallada y actualizada al aprendizaje automático (incluido el aprendizaje profundo) a través de la lente unificadora del modelado probabilístico y la teoría bayesiana de la decisión. El libro cubre la base matemática (incluyendo álgebra lineal y optimización), el aprendizaje supervisado básico (incluyendo regresión lineal y logística y redes neuronales profundas), así como temas más avanzados (incluyendo aprendizaje de transferencia y aprendizaje no supervisado). Los ejercicios de final de capítulo permiten a los estudiantes aplicar lo que han aprendido, y un apéndice cubre la notación. | |
650 | 4 |
_aPROBABILIDADES _91598 |
|
650 | 4 |
_aAPRENDIZAJE AUTOMATICO _920674 |
|
653 | 4 | _aMACHINE LEARNING | |
856 | 4 |
_uhttps://probml.github.io/pml-book/toc1.pdf _yIndice |
|
856 | 4 |
_uhttps://probml.github.io/pml-book/preface1.pdf _yPrefacio |
|
856 | 4 |
_uhttps://www.cs.ubc.ca/~murphyk/ _yInformación sobre el autor |
|
942 |
_cLIBR _2ddc _j006.31 M 57227 |
||
945 |
_aBEA _c2023-11-02 |
||
999 |
_c35437 _d35437 |