Langkah selanjutnya setelah "Bayesian Reasoning and Machine Learning"

Saya saat ini sedang membaca "Bayesian Reasoning and Machine Learning" oleh David Barber dan ini adalah buku yang ditulis dengan sangat baik dan menarik untuk mempelajari dasar-dasarnya. Jadi pertanyaan untuk seseorang yang sudah melakukan ini. Apa set buku berikutnya yang harus saya lalui setelah saya memiliki kemampuan yang wajar dengan sebagian besar konsep di Barber?

Saya belum pernah mendengar tentang buku Barber, tetapi setelah melihat sekilas buku itu, itu terlihat sangat sangat bagus.

Kecuali Anda memiliki bidang tertentu yang ingin Anda lihat, saya sarankan yang berikut ini (beberapa / banyak di antaranya Anda mungkin sudah pernah mendengar):

• Teori informasi, inferensi dan algoritma pembelajaran, oleh DJC Mackay. Klasik, dan penulis membuat .pdf dari itu tersedia secara online gratis, jadi Anda tidak punya alasan.
• Pengenalan Pola dan Pembelajaran Mesin, oleh CMBishop. Sering dikutip, meskipun tampaknya ada banyak persilangan antara ini dan buku Barber.
• Teori probabilitas, logika sains, oleh ETJaynes. Di beberapa daerah mungkin sedikit lebih mendasar. Namun penjelasannya sangat bagus. Saya menemukan itu menyelesaikan beberapa kesalahpahaman yang saya bahkan tidak tahu saya punya.
• Elemen Teori Informasi, oleh Sampul TM dan JAThomas. Menyerang probabilitas dari perspektif, ya, Anda dapat menebaknya, teori informasi. Beberapa hal yang sangat rapi pada kapasitas saluran dan maks. Sedikit berbeda dari lebih banyak hal bayesian (saya hanya ingat melihat satu sebelumnya di seluruh buku).
• Teori Belajar Statistik, oleh V.Vapnik. Benar-benar un-baysian, yang mungkin tidak menarik bagi Anda. Berfokus pada kemungkinan batas atas risiko struktural. Menjelaskan dari mana mesin vektor dukungan berasal.
• Sir Karl Popper menghasilkan serangkaian karya tentang filosofi penemuan ilmiah, yang menampilkan cukup banyak statistik (koleksi-koleksi itu dapat dibeli, tetapi saya tidak memiliki judul apa pun - permintaan maaf). Sekali lagi, tidak sedikit bayesian, tetapi diskusi tentang kepalsuan dan hubungannya dengan pisau cukur (menurut pendapat saya) menarik, dan harus dibaca oleh siapa pun yang terlibat dalam melakukan sains.

Saya baru-baru ini menemukan perspektif yang lebih komputasional penalaran dan statistik Bayesian: "Pemrograman Probabilistik dan Metode Bayesian untuk Peretas" . Ini mungkin sama baiknya dengan pengantar metode Bayesian seperti Barber.