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