برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Apprentissage artificiel : Concepts et algorithmes

دانلود کتاب یادگیری مصنوعی: مفاهیم و الگوریتم ها

مشخصات کتاب

Apprentissage artificiel : Concepts et algorithmes

دسته بندی: الگوریتم ها و ساختارهای داده
ویرایش:  
نویسندگان: Antoine Cornuéjols,  Laurent Miclet,  Yves Kodratoff,  Tom Mitchell  
سری:  
ISBN (شابک) : 9782212110203, 2212111622 
ناشر: Eyrolles 
سال نشر: 2002 
تعداد صفحات: 635 
زبان: French 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت

قیمت کتاب (تومان) : 43,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 9

در صورت تبدیل فایل کتاب Apprentissage artificiel : Concepts et algorithmes 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 یادگیری مصنوعی: مفاهیم و الگوریتم ها 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.

توضیحاتی در مورد کتاب یادگیری مصنوعی: مفاهیم و الگوریتم ها

برنامه‌های هوش مصنوعی اکنون قادر به تشخیص دستورات صوتی، تجزیه و تحلیل خودکار عکس‌های ماهواره‌ای، کمک به کارشناسان در تصمیم‌گیری در محیط‌های پیچیده و در حال تحول (تجزیه و تحلیل بازارهای مالی، تشخیص‌های پزشکی و غیره) هستند، برای جستجو در پایگاه‌های اطلاعاتی ناهمگون عظیم، مانند صفحات بی شمار وب... برای انجام این وظایف، آنها مجهز به ماژول های یادگیری هستند که به آنها اجازه می دهد رفتار خود را با موقعیت هایی که هرگز با آن مواجه نشده اند تطبیق دهند یا قوانین را از پایگاه های داده نمونه استخراج کنند. این کتاب مفاهیم پشت یادگیری ماشینی، الگوریتم های به دست آمده از آن و برخی از کاربردهای آنها را معرفی می کند. هدف آن توصیف مجموعه ای از الگوریتم های مفید با تلاش برای ایجاد یک چارچوب نظری واحد برای تمام تکنیک های گروه بندی شده در این اصطلاح "یادگیری ماشین" است. این کتاب خطاب به چه کسی است؟ * تصمیم گیرندگان و مهندسانی که مایل به درک یادگیری ماشین و کسب دانش کامل از آن هستند. * برای دانش آموزان در سطح کارشناسی ارشد، DEA یا دانشکده مهندسی که می خواهند یک کار مرجع در هوش مصنوعی و تشخیص الگو داشته باشند.

توضیحاتی درمورد کتاب به خارجی

Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web... Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples. Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique unique pour l'ensemble des techniques regroupées sous ce terme " d'apprentissage artificiel ". A qui s'adresse ce livre ? * Aux décideurs et aux ingénieurs qui souhaitent comprendre l'apprentissage automatique et en acquérir des connaissances solides ; * Aux étudiants de niveau maîtrise, DEA ou école d'ingénieurs qui souhaitent un ouvrage de référence en intelligence artificielle et en reconnaissance des formes.

فهرست مطالب

Préface......Page 7
Remerciements......Page 9
Avant-propos......Page 11
Notations......Page 33
Table des matières......Page 35
1re partie : les fondements de l'apprentissage......Page 45
Ch. 1 : De l'apprentissage naturel à l'apprentissage artificiel......Page 47
Ch. 2 Première approche théorique de l'induction......Page 79
Ch. 3 : L'environnement méthodologique de l'apprentissage......Page 117
2e partie : Apprentissage par exploration......Page 167
Ch. 4 : Induction et relation d'ordre......Page 169
Ch. 5 : La programmation logique inductive......Page 201
Ch. 6 : Reformulation et transfert de connaissances......Page 237
Ch. 7 : L'inférence grammaticale......Page 251
Ch. 8 : Apprentissage par évolution simulée......Page 289
3e partie : Apprentissage par optimisation......Page 321
Ch. 9 : L'apprentissage de surfaces séparatrices linéaires......Page 323
Ch. 10 : L'apprentissage de réseaux connexionnistes......Page 355
Ch. 11 : Apprentissage par combinaisons de décisions......Page 377
Ch. 12 : L'apprentissage de réseaux bayésiens......Page 407
Ch. 13 : Lapprentissage de modèles de Markov cachés......Page 429
4e partie : Apprentissage par approximation et interpolation......Page 453
Ch. 14 : L'apprentissage bayésien et son approximation......Page 455
Ch. 15 : La classification non supervisée et la découverte automatique......Page 495
Ch. 16 : L'apprentissage de réflexes par renforcement......Page 527
5e partie : Approfondissements et annexes techniques......Page 555
Ch. 17 : Approfondissement sur l'analyse de l'induction......Page 557
Ch. 18 : Annexes techniques......Page 595
Bibliographie......Page 615
Index......Page 631