Libri UniversitariApri il catalogo

Rasmussen Williams – Gaussian Processes for Machine Learning

Libro adottato a Modena e Reggio Emilia, a.a. 2026/2027 · 1 canale

«Rasmussen Williams – Gaussian Processes for Machine Learning» è adottato per Laboratory Of Machine Learning And Advanced Computing For Physics dal prof. Federico Grasselli (Physics - Fisica – sede di Modena – Modena e Reggio Emilia).

Rasmussen Williams – Gaussian Processes for Machine LearningCerca su Amazon ›

Come lo indica il docente: - C. E. Rasmussen & C. K. I. Williams, Gaussian Processes for Machine Learning, the MIT Press, 2006, ISBN 026218253X. c 2006 Massachusetts Institute of Technology. Available online: www.GaussianProcess.org/gpml - Parallel Programming: Concepts and Practice 1st Edition, by Bertil Schmidt, Jorge Álvaro Gonzalez-Martinez, Christian Hundt, Moritz Schlarb, Morgan Kaufmann, 9780128498903 - P. Mehta et al.: A high-bias, low-variance introduction to Machine Learning for physicists. Phyics Reports 810 (2019) 1-124. Available online: https://arxiv.org/pdf/1803.08823

Chi lo adotta

Programma e testi di ogni canale

Laboratory Of Machine Learning And Advanced Computing For Physics – Prof. Federico Grasselli Canale unico

Corso di laurea: Physics - Fisica – sede di Modena · Laurea magistrale (LM-17) · 1º anno · annuale · 6 CFU

Modena e Reggio Emilia · Dipartimento di Scienze Fisiche, Informatiche e Matematiche · 6 CFU · apri nel catalogo · Physics - Fisica – sede di Modena · 1º anno ›

Materiali forniti dai docenti. Testi suggeriti

Rasmussen Williams – Gaussian Processes for Machine Learningquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 02/10/2026
Libri consigliati nell'a.a. 2025/2026
Rasmussen Williams – Gaussian Processes for Machine Learningquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 02/10/2026
Bacheca del docente: cosa indica di studiare

Argomenti del programma: Modelli di regressione lineare: Introduzione. Regressione lineare. (2 ore). Formulazioni bayesiane della regressione lineare. Regolarizzazione, ridge regression, LASSO (2 ore). Punto di vista dello spazio dei pesi. Spazio delle caratteristiche e regressione polinomiale (2 ore). Regressioni con processo gaussiano. Punto di vista dello spazio delle funzioni e kernel. (4 ore).

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