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: Miroslav Kubat
سری:
ناشر: Springer
سال نشر: 2015
تعداد صفحات: 296
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 12 مگابایت
در صورت تبدیل فایل کتاب An Introduction to Machine Learning 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 مقدمه ای بر یادگیری ماشین 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.
این کتاب با ارائه توصیههای عملی عملی، استفاده از مثالهای ساده و ایجاد انگیزه در دانشآموزان با بحث در مورد برنامههای کاربردی جالب، ایدههای اساسی یادگیری ماشین را به روشی آسان برای درک ارائه میکند. موضوعات اصلی شامل طبقهبندیکنندههای بیزی، طبقهبندیکنندههای نزدیکترین همسایه، طبقهبندیکنندههای خطی و چند جملهای، درختهای تصمیمگیری، شبکههای عصبی و ماشینهای بردار پشتیبان است. فصلهای بعدی نشان میدهند که چگونه میتوان این ابزارهای ساده را از طریق «تقویت» ترکیب کرد، چگونه از آنها در حوزههای پیچیدهتر بهرهبرداری کرد، و چگونه با مسائل مختلف کاربردی پیشرفته مقابله کرد. یک فصل به الگوریتم های ژنتیک محبوب اختصاص داده شده است.
This book presents basic ideas of machine learning in a way that is easy to understand, by providing hands-on practical advice, using simple examples, and motivating students with discussions of interesting applications. The main topics include Bayesian classifiers, nearest-neighbor classifiers, linear and polynomial classifiers, decision trees, neural networks, and support vector machines. Later chapters show how to combine these simple tools by way of “boosting,” how to exploit them in more complicated domains, and how to deal with diverse advanced practical issues. One chapter is dedicated to the popular genetic algorithms.