Mustererkennung pdf

Mustererkennung und maschinelles Lernen (PDF) bieten eine umfassende Einführung in die Bereiche Mustererkennung und maschinelles Lernen. Es richtet sich an fortgeschrittene Studenten oder Doktoranden des ersten Jahres sowie an Forscher und Praktiker. Es werden keine Vorkenntnisse zur Mustererkennung oder zu Machine Learning-Konzepten vorausgesetzt. Die Vertrautheit mit multivariaten Kalkül und grundlegender linearer Algebra ist erforderlich, und einige Erfahrungen in der Verwendung von Wahrscheinlichkeiten wären hilfreich, wenn auch nicht wesentlich, da das Buch eine eigenständige Einführung in die grundlegende Wahrscheinlichkeitstheorie enthält. Das Buch eignet sich für Kurse über maschinelles Lernen, Statistik, Informatik, Signalverarbeitung, Computer Vision, Data Mining und Bioinformatik. Umfangreiche Unterstützung wird für Kursleiter angeboten, darunter mehr als 400 Übungen, die nach Schwierigkeitsgraden benotet werden. Beispiellösungen für eine Teilmenge der Übungen sind auf der Buch-Website verfügbar, während Lösungen für den Rest von Kursleitern des Herausgebers bezogen werden können. Das dramatische Wachstum der praktischen Anwendungen für maschinelles Lernen in den letzten zehn Jahren wurde von vielen wichtigen Entwicklungen in den zugrunde liegenden Algorithmen und Techniken begleitet. Zum Beispiel sind Bayessche Methoden von einer spezialisierten Nische zum Mainstream herangewachsen, während grafische Modelle als allgemeiner Rahmen für die Beschreibung und Anwendung probabilistischer Techniken entstanden sind. Die praktische Anwendbarkeit der Bayesschen Methoden wurde durch die Entwicklung einer Reihe von ungefähren Inferenzalgorithmen wie Variational Bayes und Erwartungsausbreitung erheblich verbessert, während neue Modelle, die auf Kerneln basieren, einen signifikanten Einfluss auf Algorithmen und Anwendungen hatten.

Posted on 30 juli 2020 in Geen categorie

Share the Story

Back to Top