Reconocimiento de patrones y aprendizaje automático- Christopher M. Bishop

El reconocimiento de patrones tiene sus orígenes en la ingeniería, mientras que el aprendizaje automático surgió de la informática. Sin embargo, estas actividades pueden ser vistas como dos facetas del mismo campo, y juntas han sufrido un desarrollo sustancial en los últimos diez años. En particular, los métodos bayesianos han crecido desde un nicho especializado hasta convertirse en corriente principal, mientras que los modelos gráficos han surgido como un marco general para describir y aplicar modelos probabilísticos. Además, la aplicabilidad práctica de los métodos bayesianos se ha mejorado enormemente mediante el desarrollo de una gama de algoritmos de inferencia aproximados tales como bayes variacionales y propagación de expectativas. Del mismo modo, los nuevos modelos basados en kernels han tenido un impacto significativo tanto en los algoritmos como en las aplicaciones. Este nuevo libro de texto refleja estos recientes desarrollos al mismo tiempo que proporciona una introducción completa a los campos de reconocimiento de patrones y aprendizaje de máquinas. Está dirigido a estudiantes avanzados de primer ciclo o de doctorado, así como a investigadores y practicantes, y no asume ningún conocimiento previo de los conceptos de reconocimiento de patrones o de aprendizaje. Se requiere conocimiento del cálculo multivariado y del álgebra lineal básica, y una cierta familiaridad con las probabilidades sería útil aunque no esencial ya que el libro incluye una introducción autónoma a la teoría básica de la probabilidad.