Learning Bayesian Networks

"Learning Bayesian Networks" von Richard E. Neapolitan ist ein umfassendes Werk, das sich mit der Theorie und Anwendung von Bayes‘schen Netzwerken beschäftigt. Das Buch bietet eine detaillierte Einführung in die statistischen Grundlagen und mathematischen Konzepte hinter Bayes‘schen Netzwerken, die als grafische Modelle zur Darstellung von Unsicherheiten in komplexen Systemen verwendet werden. Neapolitan erklärt die Struktur und Komponenten eines Bayes‘schen Netzwerks, einschließlich Knoten, Kanten und bedingter Wahrscheinlichkeiten. Er behandelt sowohl diskrete als auch kontinuierliche Variablen und erläutert Methoden zur Schätzung der Parameter solcher Netzwerke aus Daten. Ein weiterer Schwerpunkt des Buches liegt auf Algorithmen für Inferenz und Lernen in Bayes‘schen Netzwerken. Dazu gehören Techniken wie Maximum-Likelihood-Schätzung, Erwartungs-Maximierung sowie verschiedene Ansätze zum Strukturlernen. Neapolitan diskutiert auch praktische Anwendungen dieser Modelle in Bereichen wie Medizin, Ingenieurwesen und künstlicher Intelligenz. Das Buch ist sowohl für Studierende als auch für Fachleute konzipiert, die ein tiefgehendes Verständnis von Bayes‘schen Netzwerken erlangen möchten. Es bietet zahlreiche Beispiele, Übungen und Fallstudien, um das theoretische Wissen zu festigen und praktische Fähigkeiten zu entwickeln.