Avis des lecteurs
Résumé:Ce livre est un texte reconnu sur la théorie de l'information et l'apprentissage automatique qui intègre divers sujets, y compris l'inférence bayésienne et les connexions statistiques. Bien qu'il offre un contenu perspicace, certains lecteurs trouvent qu'il manque d'applications pratiques et d'explications détaillées, ce qui peut nécessiter des ressources externes pour une meilleure compréhension.
Avantages:⬤ Fournit une solide introduction à la théorie de l'information avec de la profondeur.
⬤ Offre des connexions et des perspectives multidisciplinaires uniques.
⬤ Un style d'écriture attrayant et de belles illustrations.
⬤ Bon pour l'auto-apprentissage avec des exercices.
⬤ Provoque la réflexion et façonne l'esprit du lecteur.
⬤ Offre des perspectives grâce à une approche intégrée de la théorie de l'information et des statistiques.
⬤ Manque d'informations pratiques pour la résolution des problèmes du monde réel.
⬤ Certains concepts ne sont pas bien expliqués, ce qui oblige le lecteur à rechercher des ressources externes.
⬤ L'organisation du matériel peut être confuse et le contenu répétitif.
⬤ L'ouvrage fait la part belle aux preuves mathématiques, ce qui peut s'avérer peu pratique pour les ingénieurs.
⬤ Quelques problèmes de qualité d'impression ont été signalés.
(basé sur 58 avis de lecteurs)
Titre original :
Information Theory, Inference and Learning Algorithms
Contenu du livre :
La théorie de l'information et l'inférence, souvent enseignées séparément, sont ici réunies dans un manuel divertissant. Ces sujets sont au cœur de nombreux domaines passionnants de la science et de l'ingénierie contemporaines - communication, traitement du signal, exploration de données, apprentissage automatique, reconnaissance des formes, neurosciences computationnelles, bio-informatique et cryptographie.
Ce manuel présente la théorie en même temps que les applications. La théorie de l'information est enseignée parallèlement à des systèmes de communication pratiques, tels que le codage arithmétique pour la compression des données et les codes à graphes épars pour la correction des erreurs. Une boîte à outils de techniques d'inférence, comprenant des algorithmes de passage de messages, des méthodes de Monte Carlo et des approximations variationnelles, est développée parallèlement à des applications de ces outils au regroupement, aux codes convolutionnels, à l'analyse en composantes indépendantes et aux réseaux neuronaux.
La dernière partie de l'ouvrage décrit l'état de l'art en matière de codes correcteurs d'erreurs, y compris les codes de contrôle de parité à faible densité, les turbo-codes et les codes de fontaine numérique - les normes du XXIe siècle pour les communications par satellite, les lecteurs de disques et la diffusion de données. Richement illustré, rempli d'exemples pratiques et de plus de 400 exercices, dont certains avec des solutions détaillées, le livre révolutionnaire de David MacKay est idéal pour l'auto-apprentissage et pour les cours de premier ou de deuxième cycle.
Des intermèdes sur les mots croisés, l'évolution et le sexe permettent de se divertir tout au long du parcours. En résumé, il s'agit d'un manuel sur l'information, la communication et le codage destiné à une nouvelle génération d'étudiants, et d'un point d'entrée inégalé dans ces matières pour les professionnels dans des domaines aussi divers que la biologie computationnelle, l'ingénierie financière et l'apprentissage automatique.
Autres informations sur le livre :
| ISBN : | 9780521642989 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
| Année de publication : | 2003 |
| Nombre de pages : | 640 |
Achat:
Actuellement disponible, en stock.
