Descripción
"A First Course in Machine Learning por Simon Rogers y Mark Girolami es el mejor libro introductorio de ML actualmente disponible. Combina rigor y precisión con accesibilidad, parte de una explicación detallada de los fundamentos básicos del análisis bayesiano en la configuración más simple y abarca hasta las fronteras del tema, como los modelos de mezcla infinita, GP y MCMC."
--Devdatt Dubhashi, Profesor, Departamento de Ciencias e Ingeniería Informáticas, Universidad Tecnológica de Chalmers, Suecia
"Este libro de texto logra ser más fácil de leer que otros libros comparables en la materia, manteniendo todo el rigor necesario. Los nuevos capítulos lo sitúan a la vanguardia del campo al cubrir temas que se han vuelto fundamentales en el aprendizaje automático durante la última década."
--Daniel Barbara, Universidad George Mason, Fairfax, Virginia, EE. UU.
"La nueva edición de A First Course in Machine Learning de Rogers y Girolami es una excelente introducción al uso de métodos estadísticos en el aprendizaje automático. El libro introduce conceptos como el modelado matemático, la inferencia y la predicción, proporcionando 'justo a tiempo' los antecedentes esenciales sobre álgebra lineal, cálculo y teoría de probabilidades que el lector necesita para comprender estos conceptos."
--Daniel Ortiz-Arroyo, Profesor Asociado, Universidad de Aalborg Esbjerg, Dinamarca
"Me impresionó la estrecha alineación del material con las necesidades de un curso introductorio sobre aprendizaje automático, lo cual es su mayor fortaleza... En general, este es un libro pragmático y útil, bien alineado con las necesidades de un curso introductorio y uno que consideraré para mis propios estudiantes en los próximos meses."
--David Clifton, Universidad de Oxford, Reino Unido
"La primera edición de este libro ya era un excelente texto introductorio sobre aprendizaje automático para un curso de nivel avanzado de pregrado o maestría, o de hecho para cualquiera que quiera aprender sobre un campo interesante e importante de la informática. Los capítulos adicionales de material avanzado sobre procesos gaussianos, MCMC y modelado de mezclas proporcionan una base ideal para proyectos prácticos, sin perturbar la exposición muy clara y legible de los fundamentos contenidos en la primera parte del libro."
--Gavin Cawley, Profesor Titular, Escuela de Ciencias de la Computación, Universidad de East Anglia, Reino Unido
"Este libro podría usarse para estudiantes universitarios de tercer/cuarto año o estudiantes de posgrado de primer año, así como para personas que deseen explorar el campo del aprendizaje automático... El libro introduce no solo los conceptos, sino también las ideas subyacentes sobre la implementación de algoritmos desde una perspectiva de pensamiento crítico."
--Guangzhi Qu, Universidad de Oakland, Rochester, Michigan, EE. UU.
Autor: Simon Rogers, Mark Girolami
Editorial: CRC Press
Publicado: 30/06/2020
Páginas: 428
Tipo de encuadernación: Tapa blanda
Peso: 1.31 libras
Tamaño: 9.21h x 6.14w x 0.87d
ISBN13: 9780367574642
ISBN10: 0367574640
Categorías BISAC:
- Negocios y Economía | Estadística
- Informática | Ciencia de Datos | Análisis de Datos
- Informática | Teoría de Máquinas
Acerca del Autor
Simon Rogers es profesor en la Escuela de Ciencias de la Computación de la Universidad de Glasgow, donde imparte un curso de aprendizaje automático a nivel de maestría en el que se basa este libro. El Dr. Rogers es un investigador activo en aprendizaje automático, particularmente aplicado a problemas en biología computacional. Sus intereses de investigación incluyen el análisis de datos metabolómicos y la aplicación de técnicas probabilísticas de aprendizaje automático en el campo de la interacción humano-computadora.
Mark Girolami es profesor honorario de Ciencias de la Computación en la Universidad de Warwick, es un investigador consolidado de EPSRC (2012 - 2017) y anteriormente un investigador avanzado de EPSRC (2007 - 2012). También es profesor honorario de Estadística en el University College London, es el Director de la Red de Investigación financiada por EPSRC en Estadística Computacional y Aprendizaje Automático y en 2011 fue elegido miembro de la Royal Society of Edinburgh, cuando también recibió un premio Royal Society Wolfson Research
Este título no es retornable