کتاب machine learning a probabilistic perspective – صفار

کتاب machine learning a probabilistic perspective – یادگیری ماشینی دیدگاه احتمالی اثر کیوین پی مورفی انتشارات صفار

این کتاب از روش های مختلف اکتشافی، بر رویکرد مبتنی بر مدل های اصولی تاکید می کند، که اغلب از زبان مدل های گرافیکی برای مشخص کردن مدل ها به روشی مختصر و شهودی استفاده می کند. تقریبا تمام مدل های توصیف شده در یک بسته نرم افزاری MATLAB – PMTK  – کیت ابزار مدل سازی احتمالی – پیاده سازی شده اند. این کتاب برای دانشجویان مقطع کارشناسی با پیش زمینه ریاضی درسطح مقدماتی و دانشجویان مقطع کارشناسی ارشد مناسب است.

فهرست مطالب:

• معرفی
• احتمال
• مدل های مولد برای داده های گسسته
• مدل های گاوسی
• آمار بیزی
• آمار مکرر
• رگرسیون خطی
• رگرسیون لجستیک
• مدل های خطی تعمیم یافته و خانواده نمایی
• مدل های گرافیکی هدایت شده شبکه های بیز
• مدل های مخلوط و الگوریتم EM
• مدل های خطی نهفته
• مدل های خطی پراکنده
• هسته
• فرایندهای گاوسی
• مدل های تابع پایه تطبیقی
• مارکوف و مدل های پنهان مارکوف
• مدل های فضایی حالت
• مدل های گرافیکی بدون جهت فیلدهای تصادفی مارکوف
• استنتاج دقیق برای مدل های گرافیکی
• استنتاج  متغیر
• استنتاج متغیر بیشتر
• استنتاج مونت کارلو
• استنتاج زنجیره مارکوف مونت کارلو MCMC
• خوشه بندی
• یادگیری ساختار مدل گرافیکی
• مدل های متغیر پنهان برای داده های گسسته
• یادگیری عمیق