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: Parag Kulkarni
سری: Intelligent Systems Reference Library, 225
ISBN (شابک) : 9811940584, 9789811940583
ناشر: Springer
سال نشر: 2022
تعداد صفحات: 253
[254]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Choice Computing: Machine Learning and Systemic Economics for Choosing 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 محاسبات انتخابی: یادگیری ماشین و اقتصاد سیستمی برای انتخاب 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 افکار و مسیرهایی را برای ایجاد مدلهای یادگیری ماشینی انقلابی با پارادایم جدید یادگیری ماشین برای انطباق رفتارگرایی ارائه میکند. بر دو جنبه تمرکز دارد – یکی بر معماری فرآیند انتخاب برای هدایت کاربران به مسیر انتخاب خاص تمرکز دارد در حالی که دومی بر توسعه مدلهای یادگیری ماشین بر اساس پارادایم انتخاب تمرکز دارد. این کتاب در سه بخش تقسیم شده است که بخش اول به انتخاب انسان و مدل های معماری انتخابی با داستان های معماران منتخب می پردازد. بخش دوم مدلهای انتخاب انسان را از نزدیک مطالعه میکند و در مورد توسعه مدلهای یادگیری ماشین بر اساس پارادایم انتخاب انسان بحث میکند. بخش سوم شما را بیشتر به بررسی معماری انتخاب مبتنی بر یادگیری ماشین میبرد. الگوی پیشگامانه مبتنی بر انتخاب پیشنهادی برای یادگیری ماشین ارائه شده در کتاب به خوانندگان کمک میکند تا محصولاتی را توسعه دهند - به خوانندگان کمک میکند تا مشکلات را به روشی انسانیتر حل کنند و با عدم قطعیت به روشی زیباتر اما عینیتر مذاکره کنند. این به ایجاد ارزش بی سابقه برای تجارت و جامعه کمک خواهد کرد. علاوه بر این، یک الگوی جدید برای کسب و کارهای هوشمند مدرن برای شروع سفر جدید رونمایی خواهد کرد. سفر انتقال از سیستمهای غل و زنجیر غنی از ویژگیها و سیستمهای انتخاب ضعیف به ویژگیهای رفتارهای طبیعی انعطافپذیر و غنی.
This book presents thoughts and pathways to build revolutionary machine learning models with the new paradigm of machine learning to adapt behaviorism. It focuses on two aspects – one focuses on architecting a choice process to lead users on the certain choice path while the second focuses on developing machine learning models based on choice paradigm. This book is divided in three parts where part one deals with human choice and choice architecting models with stories of choice architects. Second part closely studies human choosing models and deliberates on developing machine learning models based on the human choice paradigm. Third part takes you further to look at machine learning based choice architecture. The proposed pioneering choice-based paradigm for machine learning presented in the book will help readers to develop products – help readers to solve problems in a more humanish way and to negotiate with uncertainty in a more graceful but in an objective way. It will help to create unprecedented value for business and society. Further, it will unveil a new paradigm for modern intelligent businesses to embark on the new journey; the journey of transition from shackled feature rich and choice poor systems to feature flexible and choice rich natural behaviors.