Bishop, Christopher M. creator text 1ª edición. monographic spa

print

738 páginas : figuras ; 24 centímetros. This is the first textbook on pattern recognition to present the Bayesian viewpoint. The book presents approximate inference algorithms that permit fast approximate answers in situations where exact answers are not feasible. It uses graphical models to describe probability distributions when no other books apply graphical models to machine learning. No previous knowledge of pattern recognition or machine learning concepts is assumed. Familiarity with multivariate calculus and basic linear algebra is required, and some experience in the use of probabilities would be helpful, though not essential, as the book includes a self-contained introduction to basic probability theory. 1. Introducción -- 2. Probabilidad -- 3. Modelos lineales para regresión -- 4. Modelos lineales para clasificación -- 5. Redes neuronales -- 6. Métodos kernel -- 7. Modelos gráficos -- 8. Métodos de aproximación -- 9. Mezclas gaussianas -- 10. Inferencia aproximada -- 11. Muestreo -- 12. Modelos secuenciales -- 13. Modelos de mezcla y aprendizaje no supervisado -- 14. Modelos de variables latentes -- 15. Aprendizaje de máquinas de soporte vectorial -- 16. Reconocimiento de patrones. Christopher M. Bishop. Incluye referencias bibliográficas e índice. Reconocimiento de patrones Aprendizaje automático Inteligencia artificial Redes neuronales (Informática) Métodos estadísticos 006.31 B622 9780387310732 CO-ViULL 260723 20260723142957.0