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 Data Mining: Practical Machine Learning Tools and Techniques

دانلود کتاب داده کاوی: ابزارها و فنون یادگیری عملی ماشین

مشخصات کتاب

Data Mining: Practical Machine Learning Tools and Techniques

دسته بندی: فن آوری
ویرایش: 2 
نویسندگان: Ian H. Witten,  Eibe Frank  
سری: The Morgan Kaufmann Series in Data Management Systems 
ISBN (شابک) : 0120884070, 9780120884070 
ناشر: Morgan Kaufmann 
سال نشر: 2005 
تعداد صفحات: 558 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 17 مگابایت

قیمت کتاب (تومان) : 51,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 15

در صورت تبدیل فایل کتاب Data Mining: Practical Machine Learning Tools and Techniques 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: ابزارها و فنون یادگیری عملی ماشین 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: ابزارها و فنون یادگیری عملی ماشین

مانند هر فناوری در حال رشدی که از توجه تجاری برخوردار است، استفاده از داده کاوی با حجم زیادی از تبلیغات احاطه شده است. گزارش‌های اغراق‌آمیز از رازهایی خبر می‌دهند که می‌توان با تنظیم الگوریتم‌ها در اقیانوس‌های داده کشف کرد. اما هیچ جادویی در یادگیری ماشینی وجود ندارد، هیچ قدرت پنهانی، هیچ کیمیاگری وجود ندارد. در عوض، مجموعه ای قابل شناسایی از تکنیک های عملی وجود دارد که می تواند اطلاعات مفیدی را از داده های خام استخراج کند. این کتاب این تکنیک ها را توضیح می دهد و نحوه کار آنها را نشان می دهد. این کتاب یک تجدید نظر اساسی در نسخه اول است که در سال 1999 منتشر شد. در حالی که هسته اصلی یکسان باقی مانده است، برای منعکس کردن تغییراتی که در طول پنج سال رخ داده است، به روز شده است، و اکنون تقریباً دو برابر شده است. نکات برجسته برای نسخه جدید شامل سی بخش تکنیک جدید است. یک میز کار یادگیری ماشین پیشرفته Weka که اکنون دارای یک رابط تعاملی است. اطلاعات جامع در مورد شبکه های عصبی؛ بخش جدید در شبکه های بیزی. به علاوه خیلی بیشتر * روش های الگوریتمی در قلب داده کاوی موفق - از جمله تکنیک های آزمایش شده و واقعی و همچنین روش های پیشرو * تکنیک های بهبود عملکرد که با تبدیل ورودی یا خروجی کار می کنند * Weka قابل دانلود، مجموعه ای از الگوریتم های یادگیری ماشین برای وظایف داده کاوی، از جمله ابزارهایی برای پیش پردازش داده ها، طبقه بندی، رگرسیون، خوشه بندی، قوانین تداعی و تجسم - در یک رابط تعاملی جدید

توضیحاتی درمورد کتاب به خارجی

As with any burgeoning technology that enjoys commercial attention, the use of data mining is surrounded by a great deal of hype. Exaggerated reports tell of secrets that can be uncovered by setting algorithms loose on oceans of data. But there is no magic in machine learning, no hidden power, no alchemy. Instead there is an identifiable body of practical techniques that can extract useful information from raw data. This book describes these techniques and shows how they work. The book is a major revision of the first edition that appeared in 1999. While the basic core remains the same, it has been updated to reflect the changes that have taken place over five years, and now has nearly double the references. The highlights for the new edition include thirty new technique sections; an enhanced Weka machine learning workbench, which now features an interactive interface; comprehensive information on neural networks; a new section on Bayesian networks; plus much more. * Algorithmic methods at the heart of successful data mining-including tried and true techniques as well as leading edge methods* Performance improvement techniques that work by transforming the input or output* Downloadable Weka, a collection of machine learning algorithms for data mining tasks, including tools for data pre-processing, classification, regression, clustering, association rules, and visualization-in a new, interactive interface