El Catálogo Colectivo reúne los registros del material que posee cada una de las
bibliotecas de la Universidad Nacional de Córdoba, pudiendo encontrarse colecciones
especializadas y actualizadas en todas las áreas del conocimiento; lo que permite una
amplia visibilidad y garantiza el acceso al patrimonio documental de la Universidad.
Se encuentra disponible para toda la comunidad académica: estudiantes, docentes,
egresados e investigadores.
Si formas parte de la comunidad de la UNC también podés solicitar préstamos de material,
a cualquier biblioteca universitaria, utilizando el servicio de préstamo interbibliotecario,
independientemente de la facultad a la que pertenezcas, la carrera que curses o la cátedra
que dictes.
Un libro avanzado para investigadores y estudiantes de posgrado que trabajan en aprendizaje automático y estadística y quieren aprender sobre aprendizaje profundo, inferencia bayesiana, modelos generativos y toma de decisiones bajo incertidumbre. Una contrapartida avanzada a Probabilistic Machine L...
Un libro avanzado para investigadores y estudiantes de posgrado que trabajan en aprendizaje automático y estadística y quieren aprender sobre aprendizaje profundo, inferencia bayesiana, modelos generativos y toma de decisiones bajo incertidumbre. Una contrapartida avanzada a Probabilistic Machine Learning: An Introduction, este libro de texto de alto nivel proporciona a los investigadores y estudiantes de posgrado una cobertura detallada de los temas de vanguardia en el aprendizaje automático, incluyendo el modelado generativo profundo, los modelos gráficos, la inferencia bayesiana, el aprendizaje por refuerzo y la causalidad. Este volumen sitúa el aprendizaje profundo en un contexto estadístico más amplio y unifica los enfoques basados en el aprendizaje profundo con los basados en el modelado probabilístico y la inferencia. Con contribuciones de los mejores científicos y expertos en la materia de lugares como Google, DeepMind, Amazon, Purdue University, NYU y la Universidad de Washington, este libro riguroso es esencial para comprender las cuestiones vitales del aprendizaje automático.
