دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Classification in the Wild: The Science and Art of Transparent Decision Making
دانلود کتاب طبقه بندی در طبیعت: علم و هنر تصمیم گیری شفاف
مشخصات کتاب
Classification in the Wild: The Science and Art of Transparent Decision Making
ویرایش: نویسندگان: Konstantinos V. Katsikopoulos, Özgür Şimşek, Marcus Buckmann, Gerd Gigerenzer سری: ISBN (شابک) : 9780262361958, 9780262045155 ناشر: MIT Press سال نشر: 2021 تعداد صفحات: زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 Mb
قیمت کتاب (تومان) : 54,000
در صورت تبدیل فایل کتاب Classification in the Wild: The Science and Art of Transparent Decision Making 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 طبقه بندی در طبیعت: علم و هنر تصمیم گیری شفاف 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 طبقه بندی در طبیعت: علم و هنر تصمیم گیری شفاف
قوانینی برای ساخت مدل‌های رسمی که از روش‌های اکتشافی سریع و مقرون به صرفه استفاده می‌کنند و مطالعه روان‌شناختی طبقه‌بندی را به دنیای واقعی عدم قطعیت گسترش می‌دهند. این کتاب بر طبقه‌بندی - تخصیص اشیاء به دسته‌ها - "در طبیعت"، در موقعیت‌های دنیای واقعی و دور از قطعیت آزمایشگاهی تمرکز دارد. در طبیعت، بر خلاف آزمایش‌های روان‌شناختی معمول، آینده قابل شناخت نیست و عدم قطعیت را نمی‌توان به طور معناداری به احتمال کاهش داد. این کتاب که علم اکتشافی را با یادگیری ماشین مرتبط می‌کند، نحوه ایجاد مدل‌های رسمی با استفاده از قوانین طبقه‌بندی را نشان می‌دهد که ساده، سریع و شفاف هستند و می‌توانند به اندازه الگوریتم‌های پیچیده ریاضی توسعه‌یافته برای یادگیری ماشین دقیق باشند.
توضیحاتی درمورد کتاب به خارجی
Rules for building formal models that use fast-and-frugal heuristics, extending the psychological study of classification to the real world of uncertainty. This book focuses on classification--allocating objects into categories--"in the wild," in real-world situations and far from the certainty of the lab. In the wild, unlike in typical psychological experiments, the future is not knowable and uncertainty cannot be meaningfully reduced to probability. Connecting the science of heuristics with machine learning, the book shows how to create formal models using classification rules that are simple, fast, and transparent and that can be as accurate as mathematically sophisticated algorithms developed for machine learning.
