Probabilistic Machine Learning : An Introduction /
Contiene: 1) Fundamentos; 2) Modelos lineales; 3) Redes neuronales profundas; 4) Modelos no paramétricos; 5) Más allá del aprendizaje supervisado.
Gardado en:
| Autor Principal: | |
|---|---|
| Formato: | Libro |
| Idioma: | inglés |
| Publicado: |
Cambridge, EUA :
Massachusetts Institute of Technology,
2022, c2022
|
| Series: | (Adaptive Computation and Machine Learning)
|
| Temas: | |
| Acceso en liña: | Ver documento en línea |
| Etiquetas: |
Sen Etiquetas, Sexa o primeiro en etiquetar este rexistro!
|
MARC
| LEADER | 00000nam^a2200000^a^4500 | ||
|---|---|---|---|
| 001 | 000442598 | ||
| 005 | 20251023000000.0 | ||
| 009 | 20260310123430.833 | ||
| 020 | |a 9780262369305 | ||
| 037 | |a Acervo ITESO - Biblioteca | ||
| 041 | |a ING | ||
| 082 | |a 006. 31 |b MUR | ||
| 100 | |a Murphy, Kevin P. |e (autor) | ||
| 245 | 1 | 0 | |a Probabilistic Machine Learning : |b An Introduction / |c K.P. Murphy. |
| 264 | 4 | |a Cambridge, EUA : |b Massachusetts Institute of Technology, |c 2022, c2022 | |
| 264 | 2 | |a Birmingham, EUA : |b EBSCOhost [distribución], |c 2022 | |
| 300 | |a 1 libro electrónico en línea (1 v. sin paginación) | ||
| 300 | |a 1 recurso en línea | ||
| 336 | |a datos para computadora |b cod |2 rdacontenido | ||
| 337 | |a computadora |b c |2 rdamedio | ||
| 338 | |a recurso en línea |b cr |2 rdasoporte | ||
| 440 | 1 | |a (Adaptive Computation and Machine Learning) | |
| 506 | 0 | |a Licencias ilimitadas | |
| 520 | |a Contiene: 1) Fundamentos; 2) Modelos lineales; 3) Redes neuronales profundas; 4) Modelos no paramétricos; 5) Más allá del aprendizaje supervisado. | ||
| 521 | |a 2024 BO Licenciatura en Ingeniería en Mecatrónica | ||
| 521 | |a 2025 BO Licenciatura en Ingeniería y Ciencia de Datos | ||
| 521 | |a Peticiones 2022 | ||
| 649 | |a XX | ||
| 650 | |a Probabilidad | ||
| 650 | |a Regresión Lineal | ||
| 650 | |a Decisiones Estadísticas - |x Teoría | ||
| 650 | |a Modelos Lineales (Estadística) | ||
| 650 | |a Modelos Matemáticos - |x Tema Principal | ||
| 650 | |a Estadística No Paramétrica | ||
| 650 | |a Estadística Bayesiana | ||
| 650 | |a Estadística | ||
| 650 | |a Algebra Lineal | ||
| 650 | |a Optimización | ||
| 650 | |a Redes Neurales | ||
| 650 | |a Aprendizaje Automático (Inteligencia Artificial) - |x Tema Principal | ||
| 650 | |a Inteligencia Artificial | ||
| 650 | |a Ingeniería Computacional | ||
| 856 | 4 | 0 | |u https://ezproxy.iteso.mx/login?url=https://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&db=nlabk&AN=2932689 |y Ver documento en línea |
| 910 | |a Fondo General | ||
| 920 | |a Electrónicos - Libros en Línea | ||
| 930 | |a Plataforma Digital | ||
| 905 | |a 205 | ||
| 901 | |a 442598-1 |b IT2 |c EBO |i C178178 |u 20250521 | ||
| 902 | |a https://opac.biblio.iteso.mx/vufind/Record/000442598 | ||