Mam wykształcenie wyższe z zakresu czystej matematyki (teoria miary, analiza funkcjonalna, algebra operatora itp.). Mam również pracę, która wymaga pewnej wiedzy na temat teorii prawdopodobieństwa (od podstawowych zasad po techniki uczenia maszynowego).
Moje pytanie: czy ktoś może dostarczyć kanoniczne materiały do czytania i materiały referencyjne, które:
- Samodzielne wprowadzenie do teorii prawdopodobieństwa
- Nie wahaj się zmierzyć metodologii teoretycznych i dowodów
- Kładź duży nacisk na stosowane techniki.
Zasadniczo chcę książkę, która nauczy mnie stosowania teorii prawdopodobieństwa skierowanej do czystych matematyków. Coś zaczynającego się od podstawowych aksjomatów teorii prawdopodobieństwa i wprowadzających stosowane koncepcje z rygorem matematycznym.
Zgodnie z komentarzami opracuję to, czego potrzebuję. Zajmuję się wyszukiwaniem danych od podstawowego do zaawansowanego. Regresja logistyczna, drzewa decyzyjne, podstawowe statystyki i prawdopodobieństwo (wariancja, odchylenie standardowe, prawdopodobieństwo, prawdopodobieństwo, prawdopodobieństwo, itp.), Uczenie maszynowe nadzorowane i bez nadzoru (głównie klastrowanie (K-średnie, hierarchiczne, SVM)).
Mając powyższe na uwadze, chcę książkę, która rozpocznie się na początku. Zdefiniowanie miar prawdopodobieństwa, ale następnie pokazanie, w jaki sposób skutkują one podstawowymi prawdopodobieństwami sumowania (które, intuicyjnie, zdarzają się przez całkowanie przez zbiory dyskretne). Stamtąd można przejść do: Markov Chains, Bayesian .... cały czas omawiając podstawowe uzasadnienie teorii, wprowadzając koncepcje za pomocą rygorystycznej matematyki, ale następnie pokazując, w jaki sposób metody te są stosowane w świecie rzeczywistym (szczególnie w przypadku danych górnictwo).
- Czy istnieje taka książka lub odnośnik?
Dziękuję Ci!
PS - Zdaję sobie sprawę, że zakres tego pytania jest podobny . Jednak szukam teorii prawdopodobieństwa, a nie statystyki (podobnie jak te dwa pola).