[Boekrecensie] Information Theory, Inference and Learning Algorithms (David J. C. MacKay) Boeksamenvatting.

Information Theory, Inference and Learning Algorithms (David J. C. MacKay) - Amazon Netherlands Store: https://www.amazon.nl/dp/0521642981?tag=9natreedutch-21 - Amazon Belgium Store: https://www.amazon.com.be/dp/0521642981?tag=9natreebelgium-21 - Amazon Worldwide Store: https://global.buys.trade/Information-Theory%2C-Inference-and-Learning-Algorithms-David-J-C-MacKay.html - Apple Books: https://books.apple.com/us/audiobook/markov-models-supervised-and-unsupervised-machine/id1294775776?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree - eBay: https://www.ebay.com/sch/i.html?_nkw=Information+Theory+Inference+and+Learning+Algorithms+David+J+C+MacKay+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1 - Lees meer: https://dutch.9natree.com/read/0521642981/ #Arithmetischecodering #Entropieendatacompressie #Lowdensityparitycheckcodes #Bayesiaanseinferentie #Messagepassingalgoritmen #InformationTheoryInferenceandLearningAlgorithms Information Theory, Inference and Learning Algorithms van David J. C. MacKay is een omvangrijk academisch leerboek uit 2003 over de wiskunde van communicatie, waarschijnlijkheidsrekening en machinaal leren. Het bijzondere uitgangspunt is dat informatietheorie en statistische inferentie niet als losse vakgebieden worden behandeld. MacKay laat zien dat beide draaien om onzekerheid kwantificeren, patronen afleiden en betrouwbare beslissingen nemen op basis van onvolledige of verstoorde gegevens. De lezer leert daarom niet alleen begrippen als entropie, kansverdelingen en Bayesiaanse gevolgtrekking, maar ziet ook hoe die werken in concrete systemen. Voorbeelden lopen van datacompressie en foutcorrigerende codes tot clustering, onafhankelijke-componentenanalyse en neurale netwerken. Het boek heeft het karakter van een diepgaand universitair studieboek, met afleidingen, oefeningen en technische details, maar de stijl probeert abstracte theorie voortdurend aan toepassingen te koppelen. MacKay schrijft voor studenten en onderzoekers in onder meer informatica, natuurkunde, elektrotechniek, statistiek en machine learning. Het doel is een samenhangend denkkader te geven voor systemen die informatie verzenden, interpreteren en leren.