Bayesian Reasoning and Machine Learning

Grosse Datenmengen stellen eine erhebliche Herausforderung für alle dar, die in der Informatik und ihren vielen verwandten Bereichen arbeiten und diese Daten verarbeiten sowie daraus Wert schöpfen müssen. Maschinelles Lernen wird bereits in einer Vielzahl von industriellen Anwendungen eingesetzt, darunter Suchmaschinen, DNA-Sequenzierung, Aktienmarktanalyse und Robotermobilität. Da der Einsatz dieser Technologie immer verbreiteter wird, sollte kein Student auf die in diesem Buch vermittelten Fähigkeiten verzichten. Dieses sanfte Einführungswerk richtet sich an Studierende im letzten Jahr ihres Bachelor- oder Masterstudiums und ist ideal für Leser ohne fundierte Kenntnisse in linearer Algebra und Analysis. Es deckt alles ab, von grundlegenden Überlegungen bis hin zu fortgeschrittenen Techniken im maschinellen Lernen und ermöglicht es den Studierenden entscheidend, ihre eigenen Modelle für reale Probleme zu erstellen, indem es ihnen die Grundlagen der Methoden vermittelt. Zahlreiche Beispiele und Übungen sind enthalten.