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: Kai Hwang
سری:
ISBN (شابک) : 9780262036412
ناشر: The MIT Press
سال نشر: 2017
تعداد صفحات: 601
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 81 Mb
در صورت تبدیل فایل کتاب Cloud Computing for Machine Learning and Cognitive Applications 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 رایانش ابری برای یادگیری ماشین و کاربردهای شناختی 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.
اولین کتاب درسی که به دانشآموزان آموزش میدهد چگونه با استفاده از فناوریهای مبتنی بر ابر، راهحلهای تحلیلی داده را بر روی مجموعههای داده بزرگ بسازند. این اولین کتاب درسی است که به دانشآموزان آموزش میدهد که چگونه راهحلهای تحلیلی داده را بر روی مجموعههای داده بزرگ (به ویژه در برنامههای کاربردی اینترنت اشیا) با استفاده از فناوریهای مبتنی بر ابر برای ذخیرهسازی، انتقال و ترکیب دادهها و تکنیکهای هوش مصنوعی برای تجزیه و تحلیل این دادهها بسازند. این کتاب درسی برای آموزش دانشجویان کالج به منظور تسلط بر سیستمهای رایانش ابری مدرن در اصول عملیاتی، طراحی معماری، الگوریتمهای یادگیری ماشین، مدلهای برنامهنویسی و ابزارهای نرمافزاری برای دادهکاوی بزرگ، تجزیه و تحلیل و کاربردهای شناختی طراحی شده است. این کتاب برای استفاده در دوره های یک ترم علوم کامپیوتر یا مهندسی برق در زمینه رایانش ابری، یادگیری ماشین، برنامه نویسی ابری، محاسبات شناختی یا علم داده های بزرگ مناسب خواهد بود. این کتاب همچنین به عنوان مرجعی برای متخصصانی که می خواهند در محاسبات ابری و علم داده کار کنند بسیار مفید خواهد بود. رایانش ابری و شناختی با دو فصل مقدماتی درباره مبانی محاسبات ابری، علم داده و محاسبات تطبیقی آغاز میشود که پایه و اساس بقیه کتاب را میسازد. فصلهای بعدی موضوعاتی از جمله معماری ابری، خدمات mashup، ماشینهای مجازی، کانتینرهای Docker، ابرهای موبایل، IoT و AI، mashupهای بین ابری، و عملکرد و معیارهای ابری را با تمرکز بر پروژههای مغزی گوگل، DeepMind و برنامههای X-Lab پوشش میدهند. IBKai HwangM SyNapse، برنامه های Bluemix، ابتکارات شناختی، و کامپیوترهای عصبی. سپس این کتاب الگوریتمهای یادگیری ماشین و ابزارهای نرمافزار برنامهنویسی ابری و توسعه اپلیکیشن، استفاده از ابزارها در یادگیری ماشین، رسانههای اجتماعی، یادگیری عمیق و کاربردهای شناختی را پوشش میدهد. همه سیستم های ابری با داده های بزرگ و مثال های کاربردی شناختی نشان داده شده اند.
The first textbook to teach students how to build data analytic solutions on large data sets using cloud-based technologies. This is the first textbook to teach students how to build data analytic solutions on large data sets (specifically in Internet of Things applications) using cloud-based technologies for data storage, transmission and mashup, and AI techniques to analyze this data. This textbook is designed to train college students to master modern cloud computing systems in operating principles, architecture design, machine learning algorithms, programming models and software tools for big data mining, analytics, and cognitive applications. The book will be suitable for use in one-semester computer science or electrical engineering courses on cloud computing, machine learning, cloud programming, cognitive computing, or big data science. The book will also be very useful as a reference for professionals who want to work in cloud computing and data science. Cloud and Cognitive Computing begins with two introductory chapters on fundamentals of cloud computing, data science, and adaptive computing that lay the foundation for the rest of the book. Subsequent chapters cover topics including cloud architecture, mashup services, virtual machines, Docker containers, mobile clouds, IoT and AI, inter-cloud mashups, and cloud performance and benchmarks, with a focus on Google's Brain Project, DeepMind, and X-Lab programs, IBKai HwangM SyNapse, Bluemix programs, cognitive initiatives, and neurocomputers. The book then covers machine learning algorithms and cloud programming software tools and application development, applying the tools in machine learning, social media, deep learning, and cognitive applications. All cloud systems are illustrated with big data and cognitive application examples.