Gaussian Processes For Machine Learning (adaptive Computation And Machine Learning Series), De Rasmussen, Carl Edward. Editorial The Mit Press, Tapa Dura En Inglés

Descripción

Libro: Gaussian Processes for Machine Learning (Adaptive Computation and Machine Learning series)

Descripción:
Este texto ofrece una introducción completa y autónoma a los procesos gaussianos, que facilitan un aprendizaje probabilístico y basado en principios en máquinas centrales. Los procesos gaussianos (GP) son reconocidos por su aplicabilidad en la comunidad de aprendizaje automático, y este libro brinda un tratamiento sistemático y unificado de los aspectos teóricos y prácticos de los GP. Dirigido a investigadores y estudiantes en el campo del aprendizaje automático y la estadística, aborda el aprendizaje supervisado para regresión y clasificación, incluyendo algoritmos detallados. Se explora una diversidad de funciones de covarianza (kernel) y sus propiedades. La selección de modelos se examina desde perspectivas bayesianas y clásicas. Se establecen conexiones con otras técnicas de aprendizaje automático y estadística, y se abordan temas teóricos como las curvas de aprendizaje y el marco PAC-Bayesiano. Además, se presentan métodos para manejar grandes conjuntos de datos. El libro incluye ejemplos y ejercicios, y ofrece recursos adicionales como código y conjuntos de datos para profundizar en los procesos gaussianos de Markov.