Dieses Lehrbuch behandelt Mustererkennung und maschinelles Lernen aus einer informatikbezogenen Perspektive. Christopher M. Bishop bietet eine umfassende Einführung in probabilistische Modelle, mit besonderem Augenmerk auf bayesianische Methoden und grafische Modelle. Das Buch richtet sich an fortgeschrittene Bachelor- und Erstsemester-Masterstudierende, Forschende und Fachleute ohne Vorkenntnisse in Mustererkennung oder maschinellem Lernen.
Produktbeschreibung
Die Mustererkennung hat ihren Ursprung im Engineering, während das maschinelle Lernen aus der Informatik hervorgegangen ist. Bayesische Methoden haben sich von einem spezialisierten Thema zu einer gängigen Technik entwickelt. Grafische Modelle bilden einen allgemeinen Rahmen zur Beschreibung und Anwendung probabilistischer Modelle. Darüber hinaus beleuchtet dieses Buch aktuelle Entwicklungen wie näherungsweise Inferenzalgorithmen und kernelbasierte Modelle, wodurch die praktische Anwendbarkeit erheblich verbessert wurde.
Spezifikationen
- Autor: Christopher M. Bishop
- Reihe: Information Science and Statistics
- Verlag: Springer-Verlag New York Inc.
- Erscheinungsdatum: 2006-08-17
- Anzahl Seiten: 778
- ISBN: 9780387310732
- Thema: Computer Vision
- BISAC: COMPUTERS / Künstliche Intelligenz / Computer Vision & Mustererkennung
Über den Autor
Chris Bishop ist Microsoft Distinguished Scientist und Laborleiter bei Microsoft Research Cambridge. Außerdem ist er Professor für Informatik an der University of Edinburgh und Fellow des Darwin College in Cambridge. Bishop wurde als Fellow der Royal Academy of Engineering und der Royal Society of Edinburgh ausgezeichnet. Seine Ausbildung liegt in der theoretischen Physik und der Quantfeldtheorie.