Описание книги
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.