Pattern Recognition and Machine Learning

De wereld van patroonherkenning en machine learning heeft de afgelopen jaren een dramatische groei doorgemaakt, waarbij deze twee disciplines zijn samengegroeid tot veelgebruikte en krachtige gebieden binnen de technologie. Dit nieuwe leerboek biedt een uitgebreide inleiding tot de concepten en technieken van patroonherkenning en machine learning, specifiek gericht op zowel gevorderde bachelor- als eerstejaars PhD-studenten, onderzoekers en professionals.

Inhoudelijk overzicht

Het boek behandelt de opkomst van Bayesiaanse methoden, die zijn uitgegroeid van een specialistisch nichegebied tot een mainstream benadering in machine learning. Daarnaast wordt ingegaan op de ontwikkeling van grafische modellen als een algemeen kader voor het beschrijven en toepassen van probabilistische modellen. De praktische toepasbaarheid van Bayesiaanse methoden is verder versterkt door de ontwikkeling van verschillende benaderingsalgoritmen, zoals variational Bayes en expectation propagation. Ook nieuwe modellen gebaseerd op kernels hebben significante invloed gehad op zowel algoritmen als toepassingen.

Voor wie is dit boek bestemd?

Dit boek is geschikt voor studenten en professionals die zich willen verdiepen in de toepassingen van patroonherkenning en machine learning. Er wordt geen voorafgaande kennis van deze onderwerpen vereist, hoewel enige bekendheid met multivariate calculus en basis lineaire algebra noodzakelijk is. Daarnaast kan enige ervaring met probabiliteit nuttig zijn, maar het boek bevat een zelfvoorzienende inleiding tot de basisprincipes van de kansrekening.

Ondersteuning voor docenten

Docenten kunnen rekenen op uitgebreide ondersteuning, waaronder meer dan 400 oefeningen die zijn ingedeeld op basis van moeilijkheidsgraad. Voor een subset van deze oefeningen zijn voorbeeldoplossingen beschikbaar op de bijbehorende website van het boek. Oplossingen voor de overige oefeningen kunnen door docenten rechtstreeks bij de uitgever worden verkregen.

Aanvullende materialen

Het boek wordt ondersteund door een scala aan aanvullend materiaal, met onder andere:

• Werkoplossingen voor een deel van de oefeningen toegankelijk op een openbare website
• Voorbeeldoplossingen voor instructeurs
• Collegedictaten die per hoofdstuk beschikbaar zijn
• Downloadbare datasets voor praktische toepassingen

Christopher M. Bishop, de auteur, is een gerenommeerde expert op het gebied van machine learning en houdt een leerstoel in Computer Science aan de Universiteit van Edinburgh. Hij heeft een aanzienlijke bijdrage geleverd aan het vakgebied en zijn eerdere werk "Neural Networks for Pattern Recognition" is breed geaccepteerd en gebruikt. Dit nieuwe leerboek weerspiegelt zijn expertise en de laatste ontwikkelingen in patroonherkenning en machine learning, waardoor het een waardevolle bron is voor studenten en professionals in verschillende disciplines, waaronder statistiek, computerwetenschappen, signaalverwerking, computer vision, data mining en bioinformatica.