دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1 ed.]
نویسندگان: Chanchal Chatterjee
سری:
ISBN (شابک) : 1484280164, 9781484280164
ناشر: Apress
سال نشر: 2022
تعداد صفحات: 300
[290]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 Mb
در صورت تبدیل فایل کتاب Adaptive Machine Learning Algorithms with Python: Solve Data Analytics and Machine Learning Problems on Edge Devices به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب الگوریتمهای یادگیری ماشین تطبیقی با پایتون: حل مشکلات تجزیه و تحلیل داده و یادگیری ماشین در دستگاههای Edge نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
یاد بگیرید که از الگوریتمهای تطبیقی برای حل مشکلات دادههای جریانی در دنیای واقعی استفاده کنید. این کتاب بسیاری از چالش های پردازش داده را پوشش می دهد، از ساده تا پیچیده. در هر مرحله، بینشی در مورد موارد استفاده در دنیای واقعی به دست خواهید آورد، راهحلهایی را پیدا میکنید، کدهای مورد استفاده برای حل این مشکلات را بررسی میکنید، و الگوریتمهای جدیدی را برای استفاده خود ایجاد میکنید.
نویسندگان چانچال چاترجی و ووانی پی. نمونه ها از استفاده از توابع ماتریس برای حل مسائل یادگیری ماشین و تجزیه و تحلیل داده تا مسائل محاسباتی لبه بحرانی را شامل می شوند. آنها داده های متغیر و غیر ایستا را با حداقل محاسبات، حافظه، تأخیر و پهنای باند مدیریت می کنند.
پس از اتمام این کتاب، درک کاملی از نحوه حل مشکلات یادگیری ماشین تطبیقی و تجزیه و تحلیل داده خواهید داشت و میتوانید الگوریتمهای جدیدی را برای موارد استفاده خود استخراج کنید. همچنین راهحلهایی برای دادههای متغیر با حجم بالا با ابعاد بالا در محیط محاسباتی کم و تأخیر کم پیدا خواهید کرد.
آنچه خواهید آموخت</ p>
Learn to use adaptive algorithms to solve real-world streaming data problems. This book covers a multitude of data processing challenges, ranging from the simple to the complex. At each step, you will gain insight into real-world use cases, find solutions, explore code used to solve these problems, and create new algorithms for your own use.
Authors Chanchal Chatterjee and Vwani P. Roychowdhury begin by introducing a common framework for creating adaptive algorithms, and demonstrating how to use it to address various streaming data issues. Examples range from using matrix functions to solve machine learning and data analysis problems to more critical edge computation problems. They handle time-varying, non-stationary data with minimal compute, memory, latency, and bandwidth.
Upon finishing this book, you will have a solid understanding of how to solve adaptive machine learning and data analytics problems and be able to derive new algorithms for your own use cases. You will also come away with solutions to high volume time-varying data with high dimensionality in a low compute, low latency environment.
What You Will Learn