![[Recenzja] Information Theory, Inference and Learning Algorithms (David J. C. MacKay) Streszczenie.](https://episodes.castos.com/660078c6833215-59505987/images/2550399/c1a-085k3-xxm43515up4v-4ocixo.jpg)
Show Notes
Information Theory, Inference and Learning Algorithms (David J. C. MacKay)
- Amazon Poland Store: https://www.amazon.pl/dp/0521642981?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Information-Theory%2C-Inference-and-Learning-Algorithms-David-J-C-MacKay.html
- Apple Books: https://books.apple.com/us/audiobook/markov-models-supervised-and-unsupervised-machine/id1294775776?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Information+Theory+Inference+and+Learning+Algorithms+David+J+C+MacKay+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/0521642981/
#entropiaShannona #kodowaniearytmetyczne #kodyomałejgęstościkontroliparzystości #wnioskowaniebayesowskie #przekazywaniekomunikatów #InformationTheoryInferenceandLearningAlgorithms
Information Theory, Inference and Learning Algorithms Davida J. C. MacKaya to obszerny podręcznik akademicki z pogranicza teorii informacji, statystyki bayesowskiej i uczenia maszynowego. Wydany przez Cambridge University Press w 2003 roku, łączy dziedziny, które często przedstawia się osobno: ilościowy opis informacji, kodowanie i komunikację z wnioskowaniem o niepewnych danych. Celem książki nie jest wyłącznie podanie definicji entropii lub algorytmów uczenia. MacKay pokazuje wspólny język prawdopodobieństwa, modeli generatywnych i kodów, dzięki któremu problemy przesyłania danych oraz rozpoznawania ich struktury można analizować podobnymi narzędziami. Tekst ma charakter matematyczny, lecz konsekwentnie wiąże formalizm z zastosowaniami, między innymi kompresją, korekcją błędów, klasyfikacją, sieciami neuronowymi i analizą sygnałów. Autor był istotnym badaczem w obszarze metod bayesowskich oraz kodów o małej gęstości kontroli parzystości, dlatego omawiane zagadnienia są przedstawione z perspektywy praktyki badawczej. To książka wymagająca, przeznaczona przede wszystkim do systematycznej nauki, a nie do pobieżnego przeglądu współczesnej sztucznej inteligencji.
- Amazon Poland Store: https://www.amazon.pl/dp/0521642981?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Information-Theory%2C-Inference-and-Learning-Algorithms-David-J-C-MacKay.html
- Apple Books: https://books.apple.com/us/audiobook/markov-models-supervised-and-unsupervised-machine/id1294775776?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Information+Theory+Inference+and+Learning+Algorithms+David+J+C+MacKay+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/0521642981/
#entropiaShannona #kodowaniearytmetyczne #kodyomałejgęstościkontroliparzystości #wnioskowaniebayesowskie #przekazywaniekomunikatów #InformationTheoryInferenceandLearningAlgorithms
Information Theory, Inference and Learning Algorithms Davida J. C. MacKaya to obszerny podręcznik akademicki z pogranicza teorii informacji, statystyki bayesowskiej i uczenia maszynowego. Wydany przez Cambridge University Press w 2003 roku, łączy dziedziny, które często przedstawia się osobno: ilościowy opis informacji, kodowanie i komunikację z wnioskowaniem o niepewnych danych. Celem książki nie jest wyłącznie podanie definicji entropii lub algorytmów uczenia. MacKay pokazuje wspólny język prawdopodobieństwa, modeli generatywnych i kodów, dzięki któremu problemy przesyłania danych oraz rozpoznawania ich struktury można analizować podobnymi narzędziami. Tekst ma charakter matematyczny, lecz konsekwentnie wiąże formalizm z zastosowaniami, między innymi kompresją, korekcją błędów, klasyfikacją, sieciami neuronowymi i analizą sygnałów. Autor był istotnym badaczem w obszarze metod bayesowskich oraz kodów o małej gęstości kontroli parzystości, dlatego omawiane zagadnienia są przedstawione z perspektywy praktyki badawczej. To książka wymagająca, przeznaczona przede wszystkim do systematycznej nauki, a nie do pobieżnego przeglądu współczesnej sztucznej inteligencji.
