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 machine : de la théorie à la pratique

دانلود کتاب یادگیری ماشینی: از تئوری تا عمل

مشخصات کتاب

Apprentissage machine : de la théorie à la pratique

دسته بندی: کامپیوتر
ویرایش:  
نویسندگان: Massih-Reza Amini. Francis Bach  
سری:  
ISBN (شابک) : 2212138008, 9782212138009 
ناشر: Eyrolles 
سال نشر: 2015 
تعداد صفحات: 293 
زبان: French 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 24 مگابایت

قیمت کتاب (تومان) : 55,000

کلمات کلیدی مربوط به کتاب یادگیری ماشینی: از تئوری تا عمل: کتاب‌های موضوعات برنامه‌نویسی الگوریتم‌ها و زبان‌ها رایانش اینترنت

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 7

در صورت تبدیل فایل کتاب Apprentissage machine : de la théorie à la pratique 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 ماشینی: از تئوری تا عمل 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 ماشینی: از تئوری تا عمل

یادگیری ماشینی یکی از زمینه های پیشرو در هوش مصنوعی است. این مربوط به مطالعه و توسعه مدل‌های کمی است که به رایانه اجازه می‌دهد تا وظایف را بدون برنامه‌ریزی صریح برای انجام آنها انجام دهد. یادگیری در این زمینه در مورد شناخت اشکال پیچیده و تصمیم گیری هوشمندانه است. با توجه به تمام ورودی‌های موجود، پیچیدگی رسیدن به آنجا این است که شمارش مجموعه تصمیم‌های ممکن معمولاً بسیار دشوار است. بنابراین الگوریتم‌های یادگیری ماشین با هدف کسب دانش در مورد مسئله‌ای که باید بر اساس مجموعه‌ای از داده‌های محدود از این مشکل بررسی شود، طراحی شده‌اند. کتاب مرجع این کتاب مبانی علمی نظریه یادگیری تحت نظارت، گسترده ترین الگوریتم های توسعه یافته در این زمینه و همچنین دو چارچوب یادگیری نیمه نظارتی و زمان بندی را در سطح قابل دسترس دانشجویان کارشناسی ارشد و دانشجویان مهندسی ارائه می دهد. ما در اینجا دغدغه ارائه یک ارائه منسجم را داشته ایم که نظریه را به الگوریتم های توسعه یافته در این حوزه پیوند می دهد. اما این مطالعه به ارائه این مبانی محدود نمی شود، بنابراین برنامه هایی از الگوریتم های کلاسیک پیشنهاد شده در این دست نوشته را خواهید یافت که به زبان C نوشته شده است (زبانی که هم ساده و هم محبوب است) و برای خوانندگانی که به دنبال دانستن عملکرد این مدل ها گاهی اوقات به عنوان جعبه سیاه شناخته می شود.

توضیحاتی درمورد کتاب به خارجی

L'apprentissage machine est l'un des domaines phares de l'intelligence artificielle. Il concerne l'étude et le développement de modèles quantitatifs permettant à un ordinateur d'accomplir des tâches sans qu'il soit explicitement programmé à les faire. Apprendre dans ce contexte revient à reconnaître des formes complexes et à prendre des décisions intelligentes. Compte tenu de toutes les entrées existantes, la complexité pour y arriver réside dans le fait que l'ensemble des décisions possibles est généralement très difficile à énumérer. Les algorithmes en apprentissage machine ont par conséquent été conçus dans le but d'acquérir de la connaissance sur le problème à traiter en se basant sur un ensemble de données limitées issues de ce problème. Un ouvrage de référence Cet ouvrage présente les fondements scientifiques de la théorie de l'apprentissage supervisé, les algorithmes les plus répandus développés suivant ce domaine ainsi que les deux cadres de l'apprentissage semi-supervisé et de l'ordonnancement, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. Nous avons eu ici le souci de fournir un exposé cohérent reliant la théorie aux algorithmes développés dans cette sphère. Mais cette étude ne se limite pas à présenter ces fondements, vous trouverez ainsi quelques programmes des algorithmes classiques proposés dans ce manuscrit, écrits en langage C (langage à la fois simple et populaire), et à destination des lecteurs qui cherchent à connaître le fonctionnement de ces modèles désignés parfois comme des boîtes noires.