目次
１ 情報論的学習理論小史―数理工学の視点から
２ 情報論的学習理論１：確率的コンプレキシティの基礎（符号化と学習；一括学習とモデル選択；逐次的符号化と逐次的予測；確率的コンプレキシティ概念の変遷とこれから）
３ 情報論的学習理論２：確率的コンプレキシティの拡張と周辺（拡張型確率的コンプレキシティと学習；動的モデル選択；学習と最適化；章末ノート）
４ データマイニング応用１：静的データ（クラスタリング（離散データ）
クラスタリング（連続データ） ほか）
５ データマイニング応用２：動的データ（変化点検知；変化点検知による話題出現検知 ほか）
著者等紹介
山西健司［ヤマニシケンジ］
１９８７年東京大学大学院工学系研究科計数工学専門課程修了、ＮＥＣ中央研究所勤務。２００９年東京大学大学院情報理工学系研究科教授。工学博士。専門は情報論的学習理論、データマイニング（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
