Fundamentals of Pattern Recognition and Machine Learning is designed for a one or two-semester introductory course in Pattern Recognition or Machine Learning at the graduate or advanced undergraduate level.
The book combines theory and practice and is suitable to the classroom and self-study.
It has grown out of lecture notes and assignments that the author has developed while teaching classes on this topic for the past 13 years at Texas A&M University.
The book is intended to be concise but thorough.
It does not attempt an encyclopedic approach, but covers in significant detail the tools commonly used in pattern recognition and machine learning, including classification, dimensionality reduction, regression, and clustering, as well as recent popular topics such as Gaussian process regression and convolutional neural networks.
In addition, the selection of topics has a few features that are unique among comparable texts: it contains an extensive chapter on classifier error estimation, as well as sections on Bayesian classification, Bayesian error estimation, separate sampling, and rank-based classification.
The book is mathematically rigorous and covers the classical theorems in the area.
Nevertheless, an effort is made in the book to strike a balance between theory and practice.
In particular, examples with datasets from applications in bioinformatics and materials informatics are used throughout to illustrate the theory.
These datasets are available from the book website to be used in end-of-chapter coding assignments based on python and scikit-learn.
All plots in the text were generated using python scripts, which are also available on the book website.
About author(s): Ulisses Braga-Neto , Ph.
is a Professor in the Department of Electrical and Computer Engineering at Texas A&M University.
His main research areas are pattern recognition, machine learning, statistical signal processing, and applications in bioinformatics and materials informatics.
He has worked extensively in the field of error estimation for pattern recognition and machine learning, having received an NSF CAREER award for research in this area, and co-authored a monograph with Edward R.
Dougherty on the topic.
He has also made contributions to the field of Mathematical morphology in signal and image processing.
| Texts | It contains an extensive chapter on classifier error estimation as well as sections on |
|---|---|
| About author(s) | Ulisses |
Springer este o companie de editură proeminentă la nivel mondial, specializată în literatura academică și științifică.
Fondată în 1842 la Berlin, Germania, Springer a crescut pentru a deveni unul dintre cei mai mari și mai respectați editori din lume, cu birouri și operațiuni în numeroase țări.
Springer publică o gamă largă de reviste academice, cărți, lucrări de referință și baze de date online care acoperă o gamă largă de discipline, inclusiv știință, tehnologie, medicină, inginerie, matematică, umaniste, științe sociale și afaceri.
Catalogul extins al companiei include: 1.
Reviste: Springer publică mii de reviste academice evaluate de colegi care acoperă un spectru larg de discipline.
Aceste reviste prezintă articole de cercetare originale, recenzii și contribuții academice din partea experților în domeniile lor respective.
Cărți: Springer publică o selecție diversă de cărți, inclusiv manuale, monografii, lucrări de referință și titluri profesionale.
Aceste cărți acoperă o gamă largă de subiecte și se adresează cercetătorilor, studenților, profesioniștilor și practicienilor.
Lucrări de referință: Springer produce lucrări de referință cu autoritate, cum ar fi enciclopedii, manuale, dicționare și atlase, care oferă o acoperire cuprinzătoare a unor subiecte și discipline specifice.
Baze de date online: Springer oferă baze de date și platforme online care oferă acces la vasta sa colecție de conținut academic.
Aceste platforme permit utilizatorilor să caute, să răsfoiască și să acceseze literatură academică, reviste, cărți și materiale de referință.
Springer este cunoscut pentru angajamentul său față de calitate, integritate și inovație în publicarea academică.
Compania lucrează îndeaproape cu autori, editori, recenzori și instituții academice pentru a asigura cele mai înalte standarde de excelență și rigoare academică în publicațiile sale.
Prin urmare, Springer este considerată pe scară largă ca o sursă de încredere de informații academice și o resursă valoroasă pentru cercetători, studenți și profesioniști din întreaga lume.
Springer Fundamentals of pattern recognition and machine learning, hardcover/ulisses braga-neto
