Maschinelles Lernen: Eine probabilistische Perspektive (Reihe „Adaptive Berechnung und maschinelles Lernen“)

Eine umfassende Einführung in maschinelles Lernen, die probabilistische Modelle und Inferenz als vereinheitlichenden Ansatz verwendet. Die heutige webbasierte Flut elektronischer Daten erfordert automatisierte Methoden der Datenanalyse.. Maschinelles Lernen bietet diese, indem es Methoden entwickelt, die automatisch Muster in Daten erkennen und dann die aufgedeckten Muster zur Vorhersage zukünftiger Daten verwenden.. Dieses Lehrbuch bietet eine umfassende und in sich geschlossene Einführung in das Feld des maschinellen Lernens, basierend auf einem vereinheitlichten, probabilistischen Ansatz.. Die Abdeckung kombiniert Breite und Tiefe und bietet notwendiges Hintergrundmaterial zu Themen wie Wahrscheinlichkeit, Optimierung und linearer Algebr