Teoria informacji, wnioskowanie i algorytmy uczące się

Opinie czytelników

Książka jest dobrze ocenianym tekstem na temat teorii informacji i uczenia maszynowego, który integruje różne tematy, w tym wnioskowanie bayesowskie i powiązania statystyczne. Chociaż oferuje wnikliwe treści, niektórzy czytelnicy uważają, że brakuje jej praktycznych zastosowań i szczegółowych wyjaśnień, co może wymagać zewnętrznych zasobów dla lepszego zrozumienia.

⬤ Zapewnia solidne wprowadzenie do teorii informacji z głębią.
⬤ Oferuje unikalne multidyscyplinarne powiązania i perspektywy.
⬤ Wciągający styl pisania i piękne ilustracje.
⬤ Dobra do samodzielnej nauki z ćwiczeniami.
⬤ Prowokuje do myślenia i kształtuje myślenie czytelnika.
⬤ Oferuje wgląd poprzez zintegrowane podejście do teorii informacji i statystyki.

⬤ Brakuje praktycznych informacji do rozwiązywania rzeczywistych problemów.
⬤ Niektóre koncepcje nie są dobrze wyjaśnione, co wymaga od czytelników poszukiwania zewnętrznych źródeł.
⬤ Organizacja materiału może być myląca z powtarzającymi się treściami.
⬤ Obfite dowody matematyczne, które mogą być niepraktyczne dla inżynierów.
⬤ Zgłoszono pewne problemy z jakością druku.

(na podstawie 58 opinii czytelników)

Oryginalny tytuł:

Information Theory, Inference and Learning Algorithms

Zawartość książki:

Teoria informacji i wnioskowanie, często nauczane oddzielnie, są tutaj połączone w jednym zabawnym podręczniku. Tematy te leżą u podstaw wielu ekscytujących dziedzin współczesnej nauki i inżynierii - komunikacji, przetwarzania sygnałów, eksploracji danych, uczenia maszynowego, rozpoznawania wzorców, neuronauki obliczeniowej, bioinformatyki i kryptografii.

Ten podręcznik wprowadza teorię w połączeniu z aplikacjami. Teoria informacji jest nauczana wraz z praktycznymi systemami komunikacyjnymi, takimi jak kodowanie arytmetyczne do kompresji danych i kody sparse-graph do korekcji błędów. Zestaw technik wnioskowania, w tym algorytmy przekazywania komunikatów, metody Monte Carlo i przybliżenia wariacyjne, są rozwijane wraz z zastosowaniami tych narzędzi do klastrowania, kodów splotowych, analizy niezależnych komponentów i sieci neuronowych.

Ostatnia część książki opisuje aktualny stan wiedzy na temat kodów z korekcją błędów, w tym kodów o niskiej gęstości parzystości, kodów turbo i cyfrowych kodów fontannowych - standardów XXI wieku w komunikacji satelitarnej, dyskach i transmisji danych. Bogato ilustrowana, wypełniona praktycznymi przykładami i ponad 400 ćwiczeniami, niektóre ze szczegółowymi rozwiązaniami, przełomowa książka Davida MacKaya jest idealna do samodzielnej nauki oraz do kursów licencjackich lub magisterskich.

Przerywniki na temat krzyżówek, ewolucji i seksu zapewniają rozrywkę po drodze. Podsumowując, jest to podręcznik na temat informacji, komunikacji i kodowania dla nowego pokolenia studentów, a także niezrównany punkt wejścia do tych tematów dla profesjonalistów z tak różnych dziedzin, jak biologia obliczeniowa, inżynieria finansowa i uczenie maszynowe.