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: [1 ed.] نویسندگان: Ramchandra Sharad Mangrulkar (editor), Antonis Michalas (editor), Narendra Shekokar (editor), Meera Narvekar (editor), Pallavi Vijay Chavan (editor) سری: ISBN (شابک) : 0367679795, 9780367679798 ناشر: Chapman and Hall/CRC سال نشر: 2021 تعداد صفحات: 446 [447] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 22 Mb
در صورت تبدیل فایل کتاب Design of Intelligent Applications using Machine Learning and Deep Learning 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 طراحی برنامه های کاربردی هوشمند با استفاده از یادگیری ماشین و تکنیک های یادگیری عمیق 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.
الگوریتمهای یادگیری ماشین (ML) و یادگیری عمیق (DL) منابع ارزشمندی برای Industry 4.0 و مناطق وابسته هستند و به عنوان آینده محاسبات در نظر گرفته میشوند. یک زیرشاخه به نام شبکه های عصبی، برای شناسایی و درک الگوهای موجود در داده ها، به ماشین کمک می کند تا وظایف را به روشی مشابه انسان انجام دهد. مدلهای هوشمند توسعهیافته با استفاده از ML و DL به طور مؤثر طراحی شدهاند و به طور کامل مورد بررسی قرار گرفتهاند - کاربردهای عملی در بسیاری از زمینهها مانند مراقبتهای بهداشتی، کشاورزی و امنیت را به ارمغان میآورند. این الگوریتمها را تنها میتوان با موفقیت در زمینه محاسبات و تحلیل دادهها به کار برد. امروزه ML و DL شرایطی را برای پیشرفت های بالقوه در تشخیص و پیش بینی ایجاد کرده اند.
جدا از این حوزه ها، ML و DL در تحلیل رفتار اجتماعی انسان ها مفید هستند. با پیشرفت در میزان و نوع داده های موجود برای استفاده، ساخت ابزاری برای پردازش داده ها ضروری شد و در اینجاست که شبکه های عصبی عمیق اهمیت خود را ثابت می کنند. این شبکه ها می توانند حجم زیادی از داده ها را در زمینه هایی مانند امور مالی و تصاویر مدیریت کنند. این کتاب همچنین از برنامههای کاربردی کلیدی در Industry 4.0 از جمله:
· مدلهای اساسی، مسائل و چالشها در ML و DL استفاده میکند.
· تحلیلهای جامع و رویکردهای احتمالی برای ML و DL.
p>· برنامه های کاربردی مختلف در پیش بینی های مراقبت های بهداشتی مانند سلامت روان، سرطان، بیماری تیروئید، بیماری سبک زندگی و آریتمی قلبی.
· کاربردهای صنعت 4.0 مانند تشخیص چهره، طبقه بندی پرها، پیش بینی استرس آب، کنترل جنگل زدایی، گردشگری و شبکه های اجتماعی.
· جنبه های امنیتی برنامه های Industry 4.0 اقدامات اصلاحی در برابر حملات احتمالی و پیش بینی خطرات مرتبط را پیشنهاد می کند.
- اطلاعات به روشی در دسترس برای دانشجویان، محققان و دانشمندان، مبتکران و کارآفرینان تجاری، متخصصان ارزیابی و مدیریت پایدار ارائه شده است.
این کتاب تجهیز می کند. خوانندگان با دانش تجزیه و تحلیل داده ها، تکنیک های ML و DL برای برنامه های کاربردی تعریف شده در زیر چتر Industry 4.0. این کتاب پوششی جامع، ایدههای امیدوارکننده و مشارکتهای تحقیقاتی برجسته ارائه میدهد، و از توسعه بیشتر رویکردهای ML و DL با استفاده از هوش در برنامههای مختلف پشتیبانی میکند.
Machine learning (ML) and deep learning (DL) algorithms are invaluable resources for Industry 4.0 and allied areas and are considered as the future of computing. A subfield called neural networks, to recognize and understand patterns in data, helps a machine carry out tasks in a manner similar to humans. The intelligent models developed using ML and DL are effectively designed and are fully investigated – bringing in practical applications in many fields such as health care, agriculture and security. These algorithms can only be successfully applied in the context of data computing and analysis. Today, ML and DL have created conditions for potential developments in detection and prediction.
Apart from these domains, ML and DL are found useful in analysing the social behaviour of humans. With the advancements in the amount and type of data available for use, it became necessary to build a means to process the data and that is where deep neural networks prove their importance. These networks are capable of handling a large amount of data in such fields as finance and images. This book also exploits key applications in Industry 4.0 including:
· Fundamental models, issues and challenges in ML and DL.
· Comprehensive analyses and probabilistic approaches for ML and DL.
· Various applications in healthcare predictions such as mental health, cancer, thyroid disease, lifestyle disease and cardiac arrhythmia.
· Industry 4.0 applications such as facial recognition, feather classification, water stress prediction, deforestation control, tourism and social networking.
· Security aspects of Industry 4.0 applications suggest remedial actions against possible attacks and prediction of associated risks.
- Information is presented in an accessible way for students, researchers and scientists, business innovators and entrepreneurs, sustainable assessment and management professionals.
This book equips readers with a knowledge of data analytics, ML and DL techniques for applications defined under the umbrella of Industry 4.0. This book offers comprehensive coverage, promising ideas and outstanding research contributions, supporting further development of ML and DL approaches by applying intelligence in various applications.