Вероятностное машинное обучение. Дополнительные темы: предсказание, порождение, обнаружение, действие

Книга является вторым томом к книге «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.Основные темы:предсказательные и обобщенные линейные модели;глубокие и байесовские нейронные сети;вариационные автокодировщики;порождающие и диффузионые модели;порождающие состязательные сети;модели латентных факторов и пространства состояний;принятие решений в условиях неопределенности;обучение с подкреплением;каузальность.Отдельные части…Книга является вторым томом к книге «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.Основные темы:предсказательные и обобщенные линейные модели;глубокие и байесовские нейронные сети;вариационные автокодировщики;порождающие и диффузионые модели;порождающие состязательные сети;модели латентных факторов и пространства состояний;принятие решений в условиях неопределенности;обучение с подкреплением;каузальность.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.