Вероятностное машинное обучение. Дополнительные темы.Предсказание, порождение, обнаружение, действие

О книге

Книга является вторым томом к книге "Вероятностное машинное обучение. Дополнительные темы: основания, вывод". Дополняя ранее изданную книгу "Вероятностное машинное обучение. Введение", этот классический труд знакомит читателя с деталями самых актуальных теорий и методов машинного обучения, включая глубокие порождающие модели, графовые модели, байесовский вывод, обучение с подкреплением и причинность. Глубокое обучение излагается в контексте более широкого статистического контекста, а подходы к глубокому обучению унифицированы с подходами к вероятностному моделированию и выводу. Основные темы: предсказательные и обобщенные линейные модели; глубокие и байесовские нейронные сети; вариационные автокодировщики; порождающие и диффузионые модели; порождающие состязательные сети; модели латентных факторов и пространства состояний; принятие решений в условиях неопределенности; обучение с подкреплением; каузальность. Отдельные части книги написаны ведущими исследователями и специалистами в предметной области из таких компаний, как Google, DeepMind, Amazon, университет Пердью, Нью-Йоркский и Вашингтонский университеты; в частности, по этой причине книга крайне важна для понимания животрепещущих проблем машинного обучения.