Os "Modelos Gráficos Probabilísticos" de Koller são adequados como livros didáticos? Ou existe outro livro que seja mais recomendável como livro didático para um curso de mestrado?
Isenção de responsabilidade: publicado em quora.com, onde não recebi resposta.
references
bayesian-network
lmsasu
fonte
fonte
Respostas:
Sim, está escrito como tal e contém exemplos de perguntas, para as quais você pode solicitar as respostas aqui
Você também pode dar uma olhada no Reconhecimento de Padrões e no Aprendizado de Máquina, de Chris Bishop , e nos algoritmos de Teoria da Informação, Inferência e Aprendizado, de David MacKay, que também podem ser baixados gratuitamente . Ambos cobrem alguns aspectos de modelos gráficos, além de fornecer uma visão geral dos métodos probabilísticos.
fonte
Passei um pouco lendo os primeiros capítulos de Koller & Friedman e não fiquei satisfeito com isso como um texto introdutório. Em várias ocasiões, o livro fornece um exemplo motivador, mas o exemplo não pode ser entendido sem material de apoio mais adiante neste capítulo. Esse tipo de exposição funciona para mim apenas se o exemplo disser explicitamente que material futuro será relevante; caso contrário, os exemplos são apenas magia incompreensível.
Dito isto, é um tomo robusto e provavelmente uma excelente referência para os praticantes.
Um aluno pode ter mais sorte com o napolitano, "Learning Bayesian Networks".
fonte
Eu preferiria o livro Modelos Gráficos de Steffen L. Lauritzen e sua palestra em Oxford .
fonte