Hodnotenie:
Kniha „Pravdepodobnostné grafické modely“ je komplexným a podrobným zdrojom informácií pre záujemcov o teóriu pravdepodobnostných grafických modelov a bayesovských sietí. Je dobre štruktúrovaná a ponúka dôkladné preskúmanie tejto témy. Hoci poskytuje vysokokvalitný obsah a odporúča sa pre pokročilých študentov, jej slovník, zložitosť a náročnosť v digitálnych formátoch vyvolali zmiešané hodnotenia.
Výhody:Komplexné pokrytie pravdepodobnostných grafických modelov, dobre štruktúrované a zrozumiteľne napísané, ponúka hlboké poznatky a prepojenie s existujúcou literatúrou, vhodné na referenčné použitie a použitie v triede, obsahuje podporný online kurz a poskytuje množstvo príkladov.
Nevýhody:Nie je vhodná pre začiatočníkov; vyžaduje si silné zázemie v oblasti štatistiky a strojového učenia, rozvláčny štýl písania, trochu mätúca organizácia a nedostatočná zrozumiteľnosť vysvetlení, problémy s formátom Kindle, ktoré vedú k zlej navigácii, a niektoré typografické chyby.
(na základe 66 čitateľských recenzií)
Probabilistic Graphical Models: Principles and Techniques
Všeobecný rámec na vytváranie a používanie pravdepodobnostných modelov zložitých systémov, ktoré by umožnili počítaču využívať dostupné informácie na rozhodovanie.
Väčšina úloh si vyžaduje, aby človek alebo automatizovaný systém uvažoval - aby dospel k záverom na základe dostupných informácií. Rámec pravdepodobnostných grafických modelov, predstavený v tejto knihe, poskytuje všeobecný prístup k tejto úlohe. Tento prístup je založený na modeloch, čo umožňuje vytvárať interpretovateľné modely a následne s nimi manipulovať pomocou algoritmov uvažovania. Tieto modely sa dajú naučiť aj automaticky z údajov, čo umožňuje použiť tento prístup v prípadoch, keď je ručná konštrukcia modelu náročná alebo dokonca nemožná. Keďže neistota je nevyhnutným aspektom väčšiny reálnych aplikácií, kniha sa zameriava na pravdepodobnostné modely, ktoré explicitne vyjadrujú neistotu a poskytujú modely, ktoré sú vernejšie realite.
Pravdepodobnostné grafické modely sa zaoberajú rôznymi modelmi, ako sú Bayesove siete, neorientované Markovove siete, diskrétne a spojité modely a rozšírenia na dynamické systémy a relačné údaje. Pre každú triedu modelov sú v texte opísané tri základné piliere: reprezentácia, odvodzovanie a učenie, pričom sú uvedené základné pojmy aj pokročilé techniky. Nakoniec sa v knihe uvažuje o využití navrhovaného rámca na kauzálne uvažovanie a rozhodovanie v podmienkach neistoty. Hlavný text v každej kapitole poskytuje podrobné technické rozpracovanie kľúčových myšlienok. Väčšina kapitol obsahuje aj rámčeky s dodatočným materiálom: rámčeky zručností, v ktorých sú opísané techniky; rámčeky prípadových štúdií, v ktorých sa rozoberajú empirické prípady súvisiace s prístupom opísaným v texte, vrátane aplikácií v počítačovom videní, robotike, porozumení prirodzenému jazyku a počítačovej biológii; a rámčeky pojmov, v ktorých sú uvedené významné koncepcie vychádzajúce z materiálu v kapitole. Inštruktori (a čitatelia) môžu zoskupovať kapitoly v rôznych kombináciách, od základných tém až po technicky pokročilejší materiál, aby vyhovovali ich konkrétnym potrebám.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)