Вероятностное машинное обучение. Дополнительные темы. Основания, вывод

Дополняя ранее изданную книгу «Вероятностное машинное обучение. Введение», этот классический труд знакомит читателя с деталями самых актуальных теорий и методов машинного обучения, включая глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение излагается в контексте более широкого статистического контекста, а подходы к глубокому обучению унифицированы с подходами к вероятностному моделированию и выводу. Отдельные части книги написаны ведущими исследователями и специалистами в предметной области из таких компаний, как Google, DeepMind, Amazon, университет Пердью, Нью-Йоркский и Вашингтонский университеты; в частности, по этой причине книга крайне важна для понимания животрепещущих проблем машинного обучения.

Основные темы:
• вероятность;
• статистика;
• графовые модеи;
• теория информации;
• оптимизация;
• алгоритмы вывода;
• Гауссова фильтрация и сглаживание;
• алгоритмы передачи сообщений;
• вариационный вывод;
• методы Монте-Карло.