Riconoscimento dei modelli e apprendimento automatico

La drammatica crescita delle applicazioni pratiche dell'apprendimento automatico negli ultimi dieci anni è stata accompagnata da molti importanti sviluppi negli algoritmi e nelle tecniche sottostanti. Per esempio, i metodi bayesiani sono cresciuti da una nicchia specialistica per diventare mainstream, mentre i modelli grafici sono emersi come un quadro generale per descrivere e applicare tecniche probabilistiche. L'applicabilità pratica dei metodi bayesiani è stata notevolmente migliorata dallo sviluppo di una serie di algoritmi di inferenza approssimativa come il Bayes variazionale e la propagazione delle aspettative, mentre i nuovi modelli basati sui kernel hanno avuto un impatto significativo sia sugli algoritmi che sulle applicazioni.Questo libro di testo completamente nuovo riflette questi recenti sviluppi fornendo al contempo un'introduzione completa ai campi del riconoscimento dei modelli e dell'apprendimento automatico. Si rivolge a laureati avanzati o al primo anno.