ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 Coding Ockham’s Razor

دانلود کتاب کدگذاری Ockham’s Razor

Coding Ockham’s Razor

مشخصات کتاب

Coding Ockham’s Razor

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9783319764337 
ناشر: Springer 
سال نشر: 2018 
تعداد صفحات: 173 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 38,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Coding Ockham’s Razor 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 کدگذاری Ockham’s Razor 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 کدگذاری Ockham’s Razor

این کتاب استنتاج استقرایی را با استفاده از اصل حداقل طول پیام (MML)، یک روش بیزی که تحقق تیغ اوکام بر اساس نظریه اطلاعات است، بررسی می‌کند. همراه با کتابخانه ای از نرم افزار، این کتاب می تواند به یک برنامه نویس کاربردی، دانشجو یا محقق در زمینه های تجزیه و تحلیل داده ها و یادگیری ماشین کمک کند تا برنامه های کامپیوتری را بر اساس این اصل بنویسند. استنتاج MML حدود 50 سال است که وجود داشته است و با این حال تنها یک کتاب بسیار فنی در مورد این موضوع نوشته شده است. اکثر تحقیقات در این زمینه توسط برنامه های تخصصی یکبار پشتیبانی شده است، اما این کتاب شامل کتابخانه ای از نرم افزارهای مبتنی بر MML به زبان جاوا است. کد منبع جاوا تحت مجوز منبع باز GNU GPL در دسترس است. کتابخانه نرم افزار با استفاده از Javadoc مستندسازی شده است که صفحات کتابچه راهنمای HTML گسترده ای را تولید می کند. هر توزیع احتمال و مدل آماری که در کتاب توضیح داده شده است در کتابخانه نرم افزار پیاده سازی و مستند شده است. کتابخانه ممکن است شامل مؤلفه‌ای باشد که مستقیماً مشکل استنتاج خواننده را حل می‌کند، یا شامل مؤلفه‌هایی باشد که می‌توان آنها را برای حل مسأله کنار هم قرار داد، یا یک رابط استاندارد ارائه کرد که تحت آن مؤلفه جدیدی برای حل مسأله نوشته شود. این کتاب مورد توجه توسعه دهندگان اپلیکیشن در زمینه های یادگیری ماشین و آمار و همچنین دانشگاهیان، فوق دکترا، برنامه نویسان و دانشمندان داده خواهد بود. همچنین می تواند توسط دانشجویان سال سوم یا چهارم کارشناسی یا کارشناسی ارشد استفاده شود.


توضیحاتی درمورد کتاب به خارجی

This book explores inductive inference using the minimum message length (MML) principle, a Bayesian method which is a realisation of Ockham's Razor based on information theory. Accompanied by a library of software, the book can assist an applications programmer, student or researcher in the fields of data analysis and machine learning to write computer programs based upon this principle. MML inference has been around for 50 years and yet only one highly technical book has been written about the subject. The majority of research in the field has been backed by specialised one-off programs but this book includes a library of general MML–based software, in Java. The Java source code is available under the GNU GPL open-source license. The software library is documented using Javadoc which produces extensive cross referenced HTML manual pages. Every probability distribution and statistical model that is described in the book is implemented and documented in the software library. The library may contain a component that directly solves a reader's inference problem, or contain components that can be put together to solve the problem, or provide a standard interface under which a new component can be written to solve the problem. This book will be of interest to application developers in the fields of machine learning and statistics as well as academics, postdocs, programmers and data scientists. It could also be used by third year or fourth year undergraduate or postgraduate students.





نظرات کاربران