High-Dimensional Statistics av Martin J. (University of California Berkeley) Wainwright

I de senere årene har det vært en betydelig økning i omfanget og variasjonen av data som samles inn innenfor alle vitenskapelige disipliner og industrielle sammenhenger. Disse massive datamengdene gir en rekke utfordringer for forskere innen statistikk og maskinlæring. Boken "High-Dimensional Statistics" gir en selvstendig innføring i feltet for høydimensjonal statistikk, tilpasset førsteårs masterstudenter. Den dekker et bredt spekter av metodologier og teorier, inkludert halegrenser, konsentrasjonsulikheter, uniforme lover, empiriske prosesser og tilfeldige matriser. Videre inneholder den kapitler som fokuserer på grundig utforskning av spesifikke modellklasser, som sparsomme lineære modeller, matrismodeller med rangbegrensninger, grafiske modeller og ulike typer ikke-parametriske modeller. Med hundrevis av løste eksempler og oppgaver er denne teksten ment for både kurs og selvstudium for masterstudenter og forskere innen statistikk, maskinlæring og beslektede fagfelt, som må forstå, anvende og dyktiggjøre seg i denne komplekse dataverdenen.