Probabilidad y Estadística para Ciencias de la Computación

Este libro de texto está dirigido a estudiantes universitarios de informática al final de su segundo año o principios del tercer año, y proporciona una base completa en análisis de datos cualitativos y cuantitativos, probabilidad, variables aleatorias y métodos estadísticos, incluido el aprendizaje automático.

Con un tratamiento cuidadoso de temas que satisfacen las necesidades curriculares del curso, Probabilidad y Estadística para Ciencias de la Computación presenta:

- Un tratamiento de variables aleatorias y expectativas que trata principalmente el caso discreto.

- Un tratamiento práctico de la simulación, que muestra cómo se pueden extraer muchas probabilidades y expectativas interesantes, con énfasis particular en las cadenas de Markov.

- Una explicación clara pero concisa de las estrategias de inferencia de puntos simples (máxima verosimilitud; inferencia bayesiana) en contextos simples. Esto se extiende para cubrir algunos intervalos de confianza, muestras y poblaciones para muestreo aleatorio con reemplazo, y la prueba de hipótesis más simple.

- Un capítulo que trata sobre la clasificación, explicando por qué es útil; cómo entrenar clasificadores SVM con descenso de gradiente estocástico; y cómo usar implementaciones de métodos más avanzados como bosques aleatorios y vecinos más cercanos.

- Un capítulo que trata sobre la regresión, explicando cómo configurar, usar y comprender la regresión lineal y la regresión de vecinos más cercanos en problemas prácticos.

- Un capítulo que trata sobre el análisis de componentes principales, desarrollando la intuición con cuidado e incluyendo numerosos ejemplos prácticos. Hay una breve descripción del escalado multivariado a través del análisis de coordenadas principales.

- Un capítulo que trata sobre la agrupación mediante métodos aglomerativos y k-means, mostrando cómo construir características cuantificadas por vectores para señales complejas.

Ilustrado en todo el libro, cada capítulo principal incluye muchos ejemplos resueltos y otros elementos pedagógicos como

Procedimientos, Definiciones, Datos Útiles y Recuerde Esto (consejos breves) en recuadros. Los problemas y ejercicios de programación se encuentran al final de cada capítulo, con un resumen de lo que el lector debe saber.

Los recursos para el instructor incluyen un conjunto completo de soluciones modelo para todos los problemas y un Manual del Instructor con diapositivas de presentación adjuntas.

Autor: David Forsyth
Editorial: Springer
Publicado: 06/04/2019
Páginas: 367
Tipo de encuadernación: Tapa blanda
Peso: 1.94lbs
Tamaño: 11.00h x 8.25w x 0.81d
ISBN13: 9783319877884
ISBN10: 3319877887
Categorías BISAC:
- Informática | Software matemático y estadístico
- Informática | Simulación por ordenador

Acerca del autor
David Alexander Forsyth es Fulton Watson Copp Chair en Ciencias de la Computación en la Universidad de Illinois en Urbana-Champaign, donde es un investigador líder en visión por computadora.
El profesor Forsyth ha sido regularmente presidente de programa o general para las principales conferencias en visión por computadora, y acaba de terminar un segundo mandato como editor en jefe de IEEE Transactions on Pattern Analysis and Machine Intelligence.

Miembro de la ACM (2014) y del IEEE (2009), Forsyth también ha sido reconocido con el Premio al Logro Técnico de la IEEE Computer Society (2005), el Premio Marr y un premio al mejor artículo en visión artificial cognitiva (ECCV 2002). Muchos de sus antiguos alumnos son famosos por derecho propio como académicos o líderes de la industria.

Es coautor con Jean Ponce de Computer Vision: A Modern Approach (2002; 2011), publicado en cuatro idiomas y un libro de texto líder en el tema.

Entre una variedad de pasatiempos extraños, es

un buceador compulsivo, certificado hasta el nivel de trimix normoxico.