Libri UniversitariApri il catalogo

MacKay – Information theory, inference and learning algorithms

Libro adottato a Trento, a.a. 2026/2027 · 1 canale

«MacKay – Information theory, inference and learning algorithms» è adottato per Introduzione alla Data Science per Fisici dal prof. Luca Tubiana (Fisica – sede di Trento – Trento).

MacKay – Information theory, inference and learning algorithmsCerca su Amazon ›

Come lo indica il docente: MacKay, D. J. C. (2003). Information theory, inference and learning algorithms . Cambridge university press

Chi lo adotta

Programma e testi di ogni canale

Introduzione alla Data Science per Fisici – Prof. Luca Tubiana Canale unico

Corso di laurea: Fisica – sede di Trento · Laurea triennale (L-30) · esame facoltativo · 6 CFU

Trento · Dipartimento di Fisica · 6 CFU · apri nel catalogo · Fisica – sede di Trento · 3º anno · 2º semestre ›

Information theory, inference, and learning algorithms, D. J.Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 03/10/2026
Mehta – Physics Report 810Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 03/10/2026
Abu-Mostafa – Learning from dataCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
MacKay – Information theory, inference and learning algorithmsquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Mehta [] – A high-bias, low-variance introduction to Machine Learning…Cerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare
  • Il materiale necessario è fornito dal docente sotto forma di appunti e articoli scientifici in pdf.
  • La maggior parte del corso segue il libro
  • L' acquisto del libro non è necessario, ma è una lettura consigliata per chi desidera approfondire ed estendere in seguito i contenuti teorici del corso.
  • Per gli approcci Bayesiani faremo riferimento in particolare ad alcune parti dei seguenti testi, disponibili in pdf. I testi sono consigliati per approfondimento, le parti utilizzate sono indicate nelle note di ogni lezione.

Argomenti del programma: I. Concetti fondamentali I.a Teoria della probabilità - assiomi di Kolmogorov - T. di Bayes - Variabili stocastiche, momenti, distribuzioni. - Approccio Bayesiano alla teoria delle probabilità: assiomi di Cox e ragionamenti Bayesiani. I.b Python e approcci numerici - introduzione a Python, Jupyter, conda. II.

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Si studia insieme a