Pravděpodobnostní grafické modely: Principy a techniky

Recenze čtenářů

Kniha „Pravděpodobnostní grafické modely“ je komplexním a podrobným zdrojem informací pro zájemce o teorii pravděpodobnostních grafických modelů a bayesovských sítí. Je dobře strukturovaná a nabízí důkladné prozkoumání tématu. Přestože přináší vysoce kvalitní obsah a lze ji doporučit pokročilým studentům, její slovní zásoba, složitost a náročnost v digitálních formátech vyvolaly smíšené hodnocení.

Komplexní pokrytí pravděpodobnostních grafických modelů, dobře strukturované a srozumitelně napsané, nabízí hluboký vhled a propojení s existující literaturou, vhodné pro referenční účely a použití ve třídě, obsahuje podpůrný online kurz a poskytuje mnoho příkladů.

Není vhodná pro začátečníky; vyžaduje silné zázemí ve statistice a strojovém učení, mnohomluvný styl psaní, poněkud matoucí organizace a nejasnost vysvětlení, problémy s formátem Kindle vedoucí ke špatné navigaci a některé typografické chyby.

(na základě 66 hodnocení čtenářů)

Původní název:

Probabilistic Graphical Models: Principles and Techniques

Obsah knihy:

Obecný rámec pro konstrukci a použití pravděpodobnostních modelů složitých systémů, který by umožnil počítači využívat dostupné informace k rozhodování.

Většina úloh vyžaduje, aby člověk nebo automatizovaný systém uvažoval - aby na základě dostupných informací dospěl k závěrům. Rámec pravděpodobnostních grafických modelů, představený v této knize, poskytuje obecný přístup k této úloze. Tento přístup je založen na modelech, což umožňuje konstruovat interpretovatelné modely a následně s nimi manipulovat pomocí algoritmů pro uvažování. Tyto modely lze také automaticky naučit z dat, což umožňuje použití tohoto přístupu v případech, kdy je ruční konstrukce modelu obtížná nebo dokonce nemožná. Protože nejistota je nevyhnutelným aspektem většiny reálných aplikací, kniha se zaměřuje na pravděpodobnostní modely, které nejistotu explicitně vyjadřují a poskytují modely, které jsou věrnější realitě.

Pravděpodobnostní grafické modely pojednávají o různých modelech zahrnujících Bayesovské sítě, neorientované Markovovy sítě, diskrétní a spojité modely a rozšíření pro dynamické systémy a relační data. U každé třídy modelů text popisuje tři základní kameny: reprezentaci, inferenci a učení, přičemž představuje jak základní pojmy, tak pokročilé techniky. V závěru knihy se uvažuje o využití navrženého rámce pro kauzální uvažování a rozhodování za nejistoty. Hlavní text v každé kapitole poskytuje podrobné technické rozpracování klíčových myšlenek. Většina kapitol obsahuje také boxy s doplňkovým materiálem: boxy s dovednostmi, které popisují techniky; boxy s případovými studiemi, které pojednávají o empirických případech souvisejících s přístupem popsaným v textu, včetně aplikací v počítačovém vidění, robotice, porozumění přirozenému jazyku a počítačové biologii; a boxy s koncepty, které představují významné pojmy vycházející z materiálu v dané kapitole. Vyučující (a čtenáři) mohou kapitoly seskupovat v různých kombinacích, od základních témat až po technicky pokročilejší materiál, aby vyhovovaly jejich konkrétním potřebám.