Der Ebook-Download am Mittwoch: Learning Probabilistic Graphical Models in R

Aus der Wikipedia: Probabilistische Graphische Modelle (PGM) sind im Allgemeinen Graphen, deren Knoten Zufallsvariablen sind und in denen die Abwesenheit von Kanten zwischen diesen Knoten deren Unabhängigkeit anzeigt. Sie stellen einen Formalismus dar, mit Hilfe dessen man verschiedene andere Probabilistische Modelle, die größtenteils schon vor den PGM erforscht wurden, darstellen kann. Beispielsweise: Bayes’sche Netze, Hidden Markov Modelle und Markov Random Fields. PGM bieten darum die Möglichkeit, diese Modelle miteinander zu verbinden. Das macht sie zu einem guten Werkzeug, um komplexe Systeme, die mit Unsicherheit umgehen können müssen, zu entwerfen. Vor allem der natürliche Zugang, den ihre Graphenstruktur ermöglicht, macht sie zu einem brauchbaren Modellierungswerkzeug. Und darum hat Packt Publishing im Rahmen der freien (frei wie Freibier) und täglich wechselnden Ebook-Download-Aktion den Titel »Learning Probabilistic Graphical Models in R« von David Bellot unter das Volk gebracht. Es ist eine in der PDF-Fassung über 230 Seiten fette Schwarte mit wenigen Abbildungen, aber voll mit Formeln und Grundlagenwissen. Daher ist das Buch sicher auch für die Anhänger anderer Glaubensrichtungen Programmiersrpachen von Wert. Das Werk ist 2016 erschienen und sollte damit auch hinreichend aktuell sein.

Die Spielregeln: Wer noch keinen Account bei Packt besitzt, muß sich einmalig kostenlos registrieren, alle anderen können – nach einem eventuell notwendigen Login – den Titel bis heute Nacht um 24:00 Uhr (GMT) als Epub, Mobi und/oder PDF sofort herunterladen.

(Kommentieren)