Maschinelles Lernen ermöglicht es Computern, Muster zu erkennen und zu lernen, ohne tatsächlich programmiert zu werden. Wenn statistische Techniken und maschinelles Lernen kombiniert werden, entstehen leistungsstarke Werkzeuge zur Analyse verschiedener Arten von Daten in vielen Bereichen der Informatik und Ingenieurwissenschaften, einschliesslich Bildverarbeitung, Sprachverarbeitung, Verarbeitung natürlicher Sprache, Robotersteuerung sowie in grundlegenden Wissenschaften wie Biologie, Medizin, Astronomie, Physik und Materialwissenschaften. "Einführung in das statistische maschinelle Lernen" bietet eine allgemeine Einführung in das maschinelle Lernen, die eine breite Palette von Themen prägnant abdeckt und hilft, die Lücke zwischen Theorie und Praxis zu schliessen. Teil I behandelt die grundlegenden Konzepte der Statistik und Wahrscheinlichkeit, die zur Beschreibung von Algorithmen des maschinellen Lernens verwendet werden. Teil II und Teil III erklären die beiden Hauptansätze der Techniken des maschinellen Lernens: generative Methoden.