دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Data Mining and Machine Learning: Fundamental Concepts and Algorithms
دانلود کتاب داده کاوی و یادگیری ماشینی: مفاهیم و الگوریتم های بنیادی
مشخصات کتاب
Data Mining and Machine Learning: Fundamental Concepts and Algorithms
ویرایش: [2 ed.] نویسندگان: Mohammed J. Zaki, Wagner Meira Jr سری: ISBN (شابک) : 1108473989, 9781108473989 ناشر: Cambridge University Press سال نشر: 2020 تعداد صفحات: 776 [777] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 52 Mb
قیمت کتاب (تومان) : 47,000
در صورت تبدیل فایل کتاب Data Mining and Machine Learning: Fundamental Concepts and Algorithms 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 داده کاوی و یادگیری ماشینی: مفاهیم و الگوریتم های بنیادی 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 داده کاوی و یادگیری ماشینی: مفاهیم و الگوریتم های بنیادی
الگوریتم های اساسی در داده کاوی و یادگیری ماشینی، اساس علم داده را تشکیل می دهند و از روش های خودکار برای تجزیه و تحلیل الگوها و مدل ها برای انواع داده ها در برنامه های کاربردی اعم از اکتشافات علمی تا تجزیه و تحلیل تجاری استفاده می کنند. این کتاب درسی برای دوره‌های کارشناسی ارشد و کارشناسی ارشد، مروری جامع و عمیق از داده‌کاوی، یادگیری ماشینی و آمار ارائه می‌کند و راهنمایی‌های محکمی برای دانشجویان، محققان و پزشکان ارائه می‌دهد. این کتاب پایه‌های تجزیه و تحلیل داده‌ها، الگوکاوی، خوشه‌بندی، طبقه‌بندی و رگرسیون را با تمرکز بر الگوریتم‌ها و مفاهیم جبری، هندسی و احتمالی زیربنایی می‌گذارد. جدید در این ویرایش دوم، بخش کاملی است که به روش‌های رگرسیون، از جمله شبکه‌های عصبی و یادگیری عمیق اختصاص دارد.
توضیحاتی درمورد کتاب به خارجی
The fundamental algorithms in data mining and machine learning form the basis of data science, utilizing automated methods to analyze patterns and models for all kinds of data in applications ranging from scientific discovery to business analytics. This textbook for senior undergraduate and graduate courses provides a comprehensive, in-depth overview of data mining, machine learning and statistics, offering solid guidance for students, researchers, and practitioners. The book lays the foundations of data analysis, pattern mining, clustering, classification and regression, with a focus on the algorithms and the underlying algebraic, geometric, and probabilistic concepts. New to this second edition is an entire part devoted to regression methods, including neural networks and deep learning.
فهرست مطالب
Cover Frontmatter Contents Preface PART ONE - DATA ANALYSIS FOUNDATIONS CHAPTER 1 - Data Matrix CHAPTER 2 - Numeric Attributes CHAPTER 3 - Categorical Attributes CHAPTER 4 - Graph Data CHAPTER 5 - Kernel Methods CHAPTER 6 - High-dimensional Data CHAPTER 7 - Dimensionality Reduction PART TWO - FREQUENT PATTERN MINING CHAPTER 8 - Itemset Mining CHAPTER 9 - Summarizing Itemsets CHAPTER 10 - Sequence Mining CHAPTER 11 - Graph Pattern Mining CHAPTER 12 - Pattern and Rule Assessment PART THREE - CLUSTERING CHAPTER 13 - Representative-based Clustering CHAPTER 14 - Hierarchical Clustering CHAPTER 15 - Density-based Clustering CHAPTER 16 - Spectral and Graph Clustering CHAPTER 17 - Clustering Validation PART FOUR - CLASSIFICATION CHAPTER 18 - Probabilistic Classification CHAPTER 19 - Decision Tree Classifier CHAPTER 20 - Linear Discriminant Analysis CHAPTER 21 - Support Vector Machines CHAPTER 22 - Classification Assessment PART FIVE - REGRESSION CHAPTER 23 - Linear Regression CHAPTER 24 - Logistic Regression CHAPTER 25 - Neural Networks CHAPTER 26 - Deep Learning CHAPTER 27 - Regression Evaluation Index
نظرات کاربران
کتاب های تصادفی
دانلود کتاب The Handbook of Global Media Research
دانلود کتاب 50 Ways to Wear a Scarf
دانلود کتاب Logic, Methodology and Philosophy of Science, Proceeding of the 1960 International Congress
دانلود کتاب Untersuchungen über das Krumpfverhalten von Maschenwaren aus Leinen- und Baumwollgarnen sowie Polyester-Leinen-Mischgespinsten bei Anwendung des Co-We-Nit-Verfahrens
