Facebook Twitter Pinterest
EUR 84,95
  • Alle Preisangaben inkl. MwSt.
Nur noch 15 auf Lager (mehr ist unterwegs).
Verkauf und Versand durch Amazon. Geschenkverpackung verfügbar.
Menge:1
Probabilistic Graphical M... ist in Ihrem Einkaufwagen hinzugefügt worden
Möchten Sie verkaufen?
Zur Rückseite klappen Zur Vorderseite klappen
Hörprobe Wird gespielt... Angehalten   Sie hören eine Hörprobe des Audible Hörbuch-Downloads.
Mehr erfahren
Alle 3 Bilder anzeigen

Probabilistic Graphical Models: Principles and Techniques (Adaptive Computation and Machine Learning) (Englisch) Gebundene Ausgabe – 16. November 2009

5.0 von 5 Sternen 3 Kundenrezensionen

Alle Formate und Ausgaben anzeigen Andere Formate und Ausgaben ausblenden
Preis
Neu ab Gebraucht ab
Kindle Edition
"Bitte wiederholen"
Gebundene Ausgabe
"Bitte wiederholen"
EUR 84,95
EUR 84,45 EUR 88,28
69 neu ab EUR 84,45 10 gebraucht ab EUR 88,28
click to open popover

Wird oft zusammen gekauft

  • Probabilistic Graphical Models: Principles and Techniques (Adaptive Computation and Machine Learning)
  • +
  • Machine Learning: A Probabilistic Perspective (Adaptive computation and machine learning.)
  • +
  • Pattern Recognition and Machine Learning (Information Science and Statistics)
Gesamtpreis: EUR 229,43
Die ausgewählten Artikel zusammen kaufen

Es wird kein Kindle Gerät benötigt. Laden Sie eine der kostenlosen Kindle Apps herunter und beginnen Sie, Kindle-Bücher auf Ihrem Smartphone, Tablet und Computer zu lesen.

  • Apple
  • Android
  • Windows Phone

Geben Sie Ihre Mobiltelefonnummer ein, um die kostenfreie App zu beziehen.

Jeder kann Kindle Bücher lesen — selbst ohne ein Kindle-Gerät — mit der KOSTENFREIEN Kindle App für Smartphones, Tablets und Computer.


Produktinformation

Produktbeschreibungen

Pressestimmen

"This landmark book provides a very extensive coverage of the field, ranging from basic representational issues to the latest techniques for approximate inference and learning. As such, it is likely to become a definitive reference for all those who work in this area. Detailed worked examples and case studies also make the book accessible to students."--Kevin Murphy, Department of Computer Science, University of British Columbia

Über den Autor und weitere Mitwirkende

Daphne Koller is Professor in the Department of Computer Science at Stanford University. Nir Friedman is Professor in the Department of Computer Science and Engineering at Hebrew University.


Welche anderen Artikel kaufen Kunden, nachdem sie diesen Artikel angesehen haben?

Kundenrezensionen

5.0 von 5 Sternen
5 Sterne
3
4 Sterne
0
3 Sterne
0
2 Sterne
0
1 Stern
0
Alle 3 Kundenrezensionen anzeigen
Sagen Sie Ihre Meinung zu diesem Artikel

Top-Kundenrezensionen

Format: Kindle Edition Verifizierter Kauf
PGMs sind 'die' Erfolgsstory der KI. Einer der bekanntesten Protagonisten ist J.Pearl, der Preisträger des Turing Award 2011. Pearl "erfand" vor 1988 eine spezielle Variante der PGM, die als Bayesian Belief Networks (BBN) bekannt wurden. Die Einsatzgebiete reichen vom Bau von Assistenzsystemen über Bildverarbeitung bis hin zu Anwendungen in der Genetik und Robotik ("Google-car" von Sebastian Thrun). Es gibt eine Menge guter Bücher über PGM und BBN, darunter auch zwei, die von Pearl selbst geschrieben wurden. Jedoch die umfassendste und klarste Darstellung der Domäne gelang anhand vieler Beispiele Daphne Koller auf 1233 Seiten. Es werden im Teil I gerichtete (BBN) und ungerichtete PGM (Markov Nets) und der Modellbau mit Schablonen (Template Models) präsentiert. Teil II behandelt exakte und approximative Inferenzmethoden. Teil III ist dem Lernen der Parameter und der Modellstruktur gewidmet. Teil IV hat den Titel "Actions and Decisions". Dahinter verbergen sich Kapitel über die Repräsentation von Kausalitäten mittels sogenannter "Twin Networks" sowie Einflussstrukturen mittels "Influence Diagrams". Ich will jetzt hier nicht im Einzelnen auf die Inhalte eingehen. Aber soviel kann man sagen, dass diese Inhalte viele andere modische Inhalte der KI wohltuend überdauert haben und in anderen Wissenschaften (von Kognitionswissenschaft bis hin zur Elektrotechnik) rezipiert werden.
Wer nicht die Zeit hat, das Buch von A-Z durchzuarbeiten, der sollte sich die gleichnamige kostenlose eLearning-Vorlesung von Daphne Koller auf coursera.org ansehen und durcharbeiten. In 11 Wochen werden die wichtigsten Inhalte des Buches durchgeackert. Dabei ist es günstig, das Buch als begleitendes Nachschlagewerk neben dem Lernrechner zur Verfügung zu haben.
Lesen Sie weiter... ›
Kommentar 7 Personen fanden diese Informationen hilfreich. War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
Missbrauch melden
Format: Gebundene Ausgabe Verifizierter Kauf
This book provides a perfect overview over statistical graphical models. It is perfectly organized and the chapters are well written and relatively easy to understand. Depending on how deep you want to dive into it, it is quickly possible to just read the chapter introduction and get a broad overview about the topic or to work yourself through the chapters in depth. The only little drawback is that the book focuses mainly on directed graphical models. The undirected graphical models are also addressed, but not as exhausive as the directed ones.
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
Missbrauch melden
Format: Gebundene Ausgabe
Das Buch vermittelt die relativ komplexen Inhalt sehr gut und anschaulich. In Kombination mit dem Coursera Kurs eine super Kombination.
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
Missbrauch melden