「学習とは確率的コンプレキシティを最小化するモデルを探すことである」という明快な指針の下、機械学習の問題解決法を示す。

もくじ情報：第１章　符号化と学習；第２章　一括学習とモデル選択；第３章　逐次符号化と逐次的予測；第４章　拡張型確率的コンプレキシティと学習；第５章　学習と最適化アルゴリズム；第６章　アンサンブル学習；第７章　動的モデル選択；第８章　完全なるＭＤＬ原理に向けて；第９章　おわりに―情報論的学習理論のまとめと今後

山西　健司(ヤマニシ　ケンジ)
１９８７年東京大学大学院工学系計数工学専門課程修士課程修了。１９８７年‐２００８年ＮＥＣ中央研究所にて機械学習、データマイニング、テキストマイニング、情報理論の研究開発に従事。１９９２年‐１９９５年ＮＥＣ　Ｒｅｓｅａｒｃｈ　Ｉｎｓｔｉｔｕｔｅ，Ｉｎｃ．（Ｕ．Ｓ．Ａ）にＶｉｓｉｔｉｎｇ　Ｓｃｉｅｎｔｉｓｔとして出向。２００２年‐２００８年ＮＥＣ主席研究員。２００５年‐２００８年ＮＥＣデータマイニング技術センター長。現在、東京大学大学院情報理工学系研究科数理情報学専攻教授、博士（工学）（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）