<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>Мэрфи К.П. &#8212; Knigausa Bookstore: Russian Books</title>
	<atom:link href="https://knigausa.com/%D0%B0%D0%B2%D1%82%D0%BE%D1%80/%d0%bc%d1%8d%d1%80%d1%84%d0%b8-%d0%ba-%d0%bf/feed/" rel="self" type="application/rss+xml" />
	<link>https://knigausa.com</link>
	<description>Just another WordPress site</description>
	<lastBuildDate>Tue, 13 May 2025 20:40:45 +0000</lastBuildDate>
	<language>ru-RU</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.7.5</generator>
	<item>
		<title>Вероятностное машинное обучение. Дополнительные темы: предсказание, порождение, обнаружение, действие</title>
		<link>https://knigausa.com/product/%d0%b2%d0%b5%d1%80%d0%be%d1%8f%d1%82%d0%bd%d0%be%d1%81%d1%82%d0%bd%d0%be%d0%b5-%d0%bc%d0%b0%d1%88%d0%b8%d0%bd%d0%bd%d0%be%d0%b5-%d0%be%d0%b1%d1%83%d1%87%d0%b5%d0%bd%d0%b8%d0%b5-%d0%b4%d0%be%d0%bf/</link>
					<comments>https://knigausa.com/product/%d0%b2%d0%b5%d1%80%d0%be%d1%8f%d1%82%d0%bd%d0%be%d1%81%d1%82%d0%bd%d0%be%d0%b5-%d0%bc%d0%b0%d1%88%d0%b8%d0%bd%d0%bd%d0%be%d0%b5-%d0%be%d0%b1%d1%83%d1%87%d0%b5%d0%bd%d0%b8%d0%b5-%d0%b4%d0%be%d0%bf/#respond</comments>
		
		<dc:creator><![CDATA[Aleksandr Malyshev]]></dc:creator>
		<pubDate>Wed, 29 Jan 2025 22:00:57 +0000</pubDate>
				<guid isPermaLink="false">https://knigausa.com/product/%d0%b2%d0%b5%d1%80%d0%be%d1%8f%d1%82%d0%bd%d0%be%d1%81%d1%82%d0%bd%d0%be%d0%b5-%d0%bc%d0%b0%d1%88%d0%b8%d0%bd%d0%bd%d0%be%d0%b5-%d0%be%d0%b1%d1%83%d1%87%d0%b5%d0%bd%d0%b8%d0%b5-%d0%b4%d0%be%d0%bf/</guid>

					<description><![CDATA[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.]]></description>
										<content:encoded><![CDATA[<p>Книга является вторым томом к книге &#171;Вероятностное машинное обучение. Дополнительные темы: основания, вывод&#187;.Дополняя ранее изданную книгу &#171;Вероятностное машинное обучение. Введение&#187;, 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&#8230;Книга является вторым томом к книге &#171;Вероятностное машинное обучение. Дополнительные темы: основания, вывод&#187;.Дополняя ранее изданную книгу &#171;Вероятностное машинное обучение. Введение&#187;, 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.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://knigausa.com/product/%d0%b2%d0%b5%d1%80%d0%be%d1%8f%d1%82%d0%bd%d0%be%d1%81%d1%82%d0%bd%d0%be%d0%b5-%d0%bc%d0%b0%d1%88%d0%b8%d0%bd%d0%bd%d0%be%d0%b5-%d0%be%d0%b1%d1%83%d1%87%d0%b5%d0%bd%d0%b8%d0%b5-%d0%b4%d0%be%d0%bf/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
		<post-id xmlns="com-wordpress:feed-additions:1">1867936</post-id>	</item>
	</channel>
</rss>
