Algoritmos para el aprendizaje automático: Introducción a la estadística bayesiana y los modelos gráficos

Este libro expande los conceptos de modelos gráficos probabilísticos, proporcionando un sustento matemático y un enfoque riguroso similar al de Murphy sobre la incertidumbre en modelos.

Vapnik establece un marco matemático para el aprendizaje automático que complementa la perspectiva bayesiana presentada por Murphy, enfocándose en la inducción a partir de datos.

Pearl desarrolla un marco de causalidad basado en redes bayesianas, alineándose con la idea de Murphy sobre el uso de modelos gráficos para representar relaciones complejas.

MacKay conecta la teoría de la información con la inferencia bayesiana y el aprendizaje automático, filando conceptos matemáticos profundos que se reflejan en la obra de Murphy.

Este texto de MacKay profundiza en la inferencia bayesiana y los algoritmos de aprendizaje automático, reflejando el enfoque sistemático y matemático del libro de Murphy.

Pearl aborda el análisis causal de manera estructurada, utilizando modelos gráficos que resonan con el enfoque riguroso y estadístico que propone Murphy en su texto.