El Aprendizaje Automático: Una perspectiva probabilística

Opiniones de los lectores

El libro está ampliamente considerado como uno de los mejores recursos para el aprendizaje automático, elogiado por su exhaustiva cobertura, rigor matemático y explicaciones perspicaces. Sin embargo, ha sido criticado por errores tipográficos, problemas de organización y una calidad de redacción variable entre capítulos, lo que lo hace menos adecuado para principiantes.

⬤ Rico contenido y amplia cobertura de temas de aprendizaje automático, incluyendo técnicas avanzadas.
⬤ Explicaciones perspicaces que ayudan a construir la intuición detrás de los conceptos.
⬤ Tratamiento en profundidad y bien organizado de los enfoques probabilísticos.
⬤ El software de acompañamiento es útil y mejora la comprensión.
⬤ Bueno para estudiantes experimentados e investigadores que buscan un libro de referencia.

⬤ Numerosos errores tipográficos y técnicos, algunos lo suficientemente importantes como para dificultar la comprensión.
⬤ Problemas de organización que pueden dificultar el seguimiento del texto, con referencias a capítulos futuros que pueden desorientar a los lectores.
⬤ Calidad incoherente de la redacción en los distintos capítulos.
⬤ Demasiado abstracto para algunas descripciones, que requieren recursos externos.
⬤ No se recomienda como recurso principal de aprendizaje para principiantes.

(basado en 162 opiniones de lectores)

Título original:

The Machine Learning: A Probabilistic Perspective

Contenido del libro:

Una introducción exhaustiva al aprendizaje automático que utiliza modelos probabilísticos e inferencia como enfoque unificador.

La avalancha de datos electrónicos que hoy en día permite la Web exige métodos automatizados de análisis de datos. El aprendizaje automático los proporciona, desarrollando métodos que pueden detectar automáticamente patrones en los datos y utilizarlos para predecir datos futuros. Este libro de texto ofrece una introducción completa y autocontenida al campo del aprendizaje automático, basada en un enfoque probabilístico unificado.

La cobertura combina amplitud y profundidad, ofreciendo el material de base necesario sobre temas como la probabilidad, la optimización y el álgebra lineal, así como la discusión de los desarrollos recientes en el campo, incluyendo los campos aleatorios condicionales, la regularización L1 y el aprendizaje profundo. El libro está escrito en un estilo informal y accesible, con pseudocódigo para los algoritmos más importantes. Todos los temas están profusamente ilustrados con imágenes en color y ejemplos prácticos extraídos de campos de aplicación como la biología, el procesamiento de textos, la visión por ordenador y la robótica. En lugar de proporcionar un recetario de diferentes métodos heurísticos, el libro hace hincapié en un enfoque basado en modelos de principios, a menudo utilizando el lenguaje de los modelos gráficos para especificar modelos de una manera concisa e intuitiva. Casi todos los modelos descritos se han implementado en un paquete de software MATLAB -PMTK (probabilistic modeling toolkit)- que está disponible gratuitamente en línea. El libro es adecuado para estudiantes universitarios de nivel superior con conocimientos básicos de matemáticas y para estudiantes de posgrado principiantes.