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: نویسندگان: Mire. Archana, Malik. Shaveta, Tyagi. Amit Kumar, , Shaveta Malik, Amit Kumar Tyagi سری: ISBN (شابک) : 9781119791751 ناشر: سال نشر: 2022 تعداد صفحات: زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 Mb
در صورت تبدیل فایل کتاب Advanced Analytics and Deep Learning Models 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 تجزیه و تحلیل پیشرفته و مدل های یادگیری عمیق 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.
تجزیه و تحلیل پیشرفته و مدل های یادگیری عمیق این کتاب درک عمیقی از مفاهیم و فناوری های مرتبط با اهمیت تجزیه و تحلیل و یادگیری عمیق در بسیاری از برنامه های کاربردی دنیای واقعی مانند مراقبت های بهداشتی الکترونیک، حمل و نقل، کشاورزی، بازار سهام و غیره را در اختیار خوانندگان قرار می دهد. تجزیه و تحلیل پیشرفته ترکیبی از یادگیری ماشین، هوش مصنوعی، نمودارها، متن کاوی، داده کاوی، تحلیل معنایی است. این یک رویکرد برای تجزیه و تحلیل داده ها است. فراتر از هوش تجاری سنتی، تجزیه و تحلیل نیمه مستقل داده ها با استفاده از تکنیک ها و ابزارهای مختلف است. با این حال، یادگیری عمیق و تجزیه و تحلیل داده ها هر دو از مراکز عالی علم داده هستند. تقریباً همه سازمانهای خصوصی و عمومی مقادیر زیادی از دادهها را جمعآوری میکنند، به عنوان مثال، دادههای خاص دامنه. بسیاری از شرکتهای کوچک/بزرگ در حال بررسی مقادیر زیادی از دادهها برای فناوری موجود و آینده هستند. یادگیری عمیق همچنین کاوش مقادیر زیادی از داده های بدون نظارت است که آن را برای داده های بزرگ مفید و موثر می کند. از یادگیری عمیق می توان برای مقابله با انواع مشکلات و چالش ها استفاده کرد که شامل جمع آوری داده های خام بدون برچسب و دسته بندی نشده، استخراج الگوهای پیچیده از حجم زیادی از داده ها، بازیابی سریع اطلاعات، برچسب گذاری داده ها و غیره می شود.این کتاب شامل 16 فصل در زمینه هوش مصنوعی است. ، یادگیری ماشینی، یادگیری عمیق و کاربرد آنها در بسیاری از بخش های مفید مانند پیش بینی بازار سهام، سیستم توصیه ای برای انتخاب خدمات بهتر، مراقبت های بهداشتی الکترونیک، پزشکی از راه دور، حمل و نقل. همچنین فصل هایی در مورد نوآوری ها و فرصت های آینده با محاسبات مه / محاسبات ابری و هوش مصنوعی وجود دارد. مخاطبان محققان در هوش مصنوعی، کلان داده، علوم کامپیوتر، و مهندسی الکترونیک، و همچنین مهندسان صنعت در مراقبت های بهداشتی، پزشکی از راه دور، حمل و نقل و بخش مالی. این کتاب همچنین منبع بسیار خوبی برای مهندسین نرم افزار و دانشجویان پیشرفته ای خواهد بود که در زمینه تجزیه و تحلیل پیشرفته در یادگیری عمیق مبتدی هستند.
Advanced Analytics and Deep Learning Models The book provides readers with an in-depth understanding of concepts and technologies related to the importance of analytics and deep learning in many useful real-world applications such as e-healthcare, transportation, agriculture, stock market, etc. Advanced analytics is a mixture of machine learning, artificial intelligence, graphs, text mining, data mining, semantic analysis. It is an approach to data analysis. Beyond the traditional business intelligence, it is a semi and autonomous analysis of data by using different techniques and tools. However, deep learning and data analysis both are high centers of data science. Almost all the private and public organizations collect heavy amounts of data, i.e., domain-specific data. Many small/large companies are exploring large amounts of data for existing and future technology. Deep learning is also exploring large amounts of unsupervised data making it beneficial and effective for big data. Deep learning can be used to deal with all kinds of problems and challenges that include collecting unlabeled and uncategorized raw data, extracting complex patterns from a large amount of data, retrieving fast information, tagging data, etc. This book contains 16 chapters on artificial intelligence, machine learning, deep learning, and their uses in many useful sectors like stock market prediction, a recommendation system for better service selection, e-healthcare, telemedicine, transportation. There are also chapters on innovations and future opportunities with fog computing/cloud computing and artificial intelligence. Audience Researchers in artificial intelligence, big data, computer science, and electronic engineering, as well as industry engineers in healthcare, telemedicine, transportation, and the financial sector. The book will also be a great source for software engineers and advanced students who are beginners in the field of advanced analytics in deep learning.