Teoría de la información, inferencia y algoritmos de aprendizaje

Opiniones de los lectores

El libro es un texto bien considerado sobre teoría de la información y aprendizaje automático que integra diversos temas, como la inferencia bayesiana y las conexiones estadísticas. Aunque ofrece un contenido perspicaz, algunos lectores encuentran que carece de aplicaciones prácticas y explicaciones detalladas, lo que puede hacer necesario recurrir a recursos externos para una mejor comprensión.

⬤ Proporciona una sólida introducción a la teoría de la información con profundidad.
⬤ Ofrece conexiones y perspectivas multidisciplinares únicas.
⬤ Estilo de escritura atractivo y bellas ilustraciones.
⬤ Bueno para el autoestudio con ejercicios.
⬤ Provoca la reflexión y da forma al pensamiento del lector.
⬤ Ofrece ideas a través de un enfoque integrado de la teoría de la información y la estadística.

⬤ Carece de información práctica para la resolución de problemas del mundo real.
⬤ Algunos conceptos no están bien explicados, lo que obliga al lector a buscar recursos externos.
⬤ La organización del material puede ser confusa con contenido repetitivo.
⬤ Abunda en demostraciones matemáticas, lo que puede resultar poco práctico para los ingenieros.
⬤ Se han señalado algunos problemas de calidad de impresión.

(basado en 58 opiniones de lectores)

Título original:

Information Theory, Inference and Learning Algorithms

Contenido del libro:

La teoría de la información y la inferencia, que a menudo se enseñan por separado, se unen aquí en un libro de texto entretenido. Estos temas se encuentran en el corazón de muchas áreas apasionantes de la ciencia y la ingeniería contemporáneas: comunicación, procesamiento de señales, minería de datos, aprendizaje automático, reconocimiento de patrones, neurociencia computacional, bioinformática y criptografía.

Este libro de texto presenta la teoría junto con las aplicaciones. La teoría de la información se enseña junto con sistemas de comunicación prácticos, como la codificación aritmética para la compresión de datos y los códigos de grafos dispersos para la corrección de errores. Se desarrolla un conjunto de técnicas de inferencia, incluidos algoritmos de paso de mensajes, métodos de Monte Carlo y aproximaciones variacionales, junto con aplicaciones de estas herramientas a la agrupación, los códigos convolucionales, el análisis de componentes independientes y las redes neuronales.

La última parte del libro describe el estado actual de los códigos de corrección de errores, incluidos los códigos de comprobación de paridad de baja densidad, los códigos turbo y los códigos fuente digitales, que son los estándares del siglo XXI para las comunicaciones por satélite, las unidades de disco y la transmisión de datos. Profusamente ilustrado, con ejemplos prácticos y más de 400 ejercicios, algunos de ellos con soluciones detalladas, el innovador libro de David MacKay es ideal para el autoaprendizaje y para cursos de licenciatura o posgrado.

Los interludios sobre crucigramas, evolución y sexo proporcionan entretenimiento a lo largo del camino. En resumen, se trata de un libro de texto sobre información, comunicación y codificación para una nueva generación de estudiantes, y un punto de entrada sin parangón en estas materias para profesionales de áreas tan diversas como la biología computacional, la ingeniería financiera y el aprendizaje automático.