“바이아 추론 및 기계 학습”다음 단계

저는 현재 David Barber의 "Bayesian Reasoning and Machine Learning"을 겪고 있으며 기초 학습을위한 매우 잘 쓰여지고 매력적인 책입니다. 그래서 이미 이것을 한 누군가에게 질문하십시오. 이발사에서 대부분의 개념을 숙달 한 후에해야 할 다음 책은 무엇입니까?

나는 이발사 책에 대해 들어 본 적이 없지만 그것을 빨리 살펴 본다면 매우 좋아 보입니다.

당신이보고 싶은 특정 분야가 없다면 다음을 제안 할 것입니다 (일부 / 많은 사람들이 이미 들어 보았을 것입니다).

• DJC Mackay의 정보 이론, 추론 및 학습 알고리즘. 고전이자 저자는 .pdf를 온라인에서 무료로 사용할 수 있도록하므로 변명의 여지가 없습니다.
• CMBishop의 패턴 인식 및 기계 학습. 이 책과 이발사 책 사이에 많은 크로스 오버가있는 것처럼 보이지만 자주 인용되었습니다.
• ETJaynes의 확률론, 과학의 논리. 일부 지역에서는 아마도 좀 더 기본적 일 것입니다. 그러나 설명은 훌륭합니다. 나는 내가 알지도 못하는 두 가지 오해를 해결했다는 것을 알았습니다.
• TM 표지 및 JAThomas에 의한 정보 이론의 요소. 정보 이론의 관점에서 확률을 공격합니다. 채널 용량과 최대량에 대한 매우 깔끔한 것들. 좀 더 베이지안과는 조금 다릅니다 (전체 책에서 한 번만 본 것을 기억할 수 있습니다).
• V.Vapnik의 통계 학습 이론. 완전히 베이 시안 인 경우에는 호소력이 없을 수 있습니다. 구조적 위험에 대한 probablisitc 상한에 중점을 둡니다. 서포트 벡터 머신의 출처를 설명합니다.
• 칼 포퍼 경은 과학적 발견의 철학에 관한 일련의 작품을 제작했는데,이 책에는 상당히 많은 통계가 있습니다 (그들의 수집품을 구입할 수는 있지만 사과 할만한 제목은 없습니다). 다시 한 번, 베이지안이 아니라, 위조 가능성과 면도칼과의 관계에 대한 그의 논의는 (매력적으로) 흥미롭고 과학을하는 사람이라면 누구나 읽어야합니다.

나는 최근에 베이지안 추론과 통계 : "해커를위한 확률 적 프로그래밍과 베이지안 방법" 과 같은 더 계산적인 관점을 발견했다 . 이것은 아마도 Barber와 같은 베이지안 방법에 대한 좋은 소개 일 것입니다.