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: Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar سری: Adaptive computation and machine learning ISBN (شابک) : 9780262018258, 026201825X ناشر: The MIT Press سال نشر: 2012 تعداد صفحات: 427 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Foundations of machine learning 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 مبانی یادگیری 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.
این کتاب درسی در سطح فارغ التحصیل مفاهیم و روش های اساسی در یادگیری ماشین را معرفی می کند. چندین الگوریتم مهم مدرن را توصیف میکند، زیربنای نظری این الگوریتمها را ارائه میدهد و جنبههای کلیدی را برای کاربرد آنها نشان میدهد. هدف نویسندگان ارائه ابزارها و مفاهیم نظری جدید در عین ارائه دلایل مختصر حتی برای موضوعات نسبتاً پیشرفته است. مبانی یادگیری ماشین نیاز به یک کتاب درسی عمومی را که جزئیات نظری و تأکید بر اثبات را نیز ارائه می دهد، برطرف می کند. موضوعات خاصی که اغلب با توجه ناکافی به آنها پرداخته می شود در اینجا با جزئیات بیشتر مورد بحث قرار می گیرند. به عنوان مثال، کل فصل ها به رگرسیون، طبقه بندی چند طبقه و رتبه بندی اختصاص داده شده است. سه فصل اول اساس نظری را برای آنچه در ادامه میآید ایجاد میکند، اما هر فصل باقیمانده عمدتاً مستقل است. ضمیمه بررسی احتمالات مختصر، مقدمهای کوتاه بر بهینهسازی محدب، ابزارهایی برای مرزهای تمرکز، و چندین ویژگی اساسی ماتریسها و هنجارهای مورد استفاده در کتاب ارائه میدهد.
این کتاب برای دانشجویان تحصیلات تکمیلی و محققین در نظر گرفته شده است. یادگیری ماشین، آمار و زمینه های مرتبط؛ می توان از آن به عنوان یک کتاب درسی یا به عنوان متن مرجع برای سمینار تحقیقاتی استفاده کرد.
This graduate-level textbook introduces fundamental concepts and methods in machine learning. It describes several important modern algorithms, provides the theoretical underpinnings of these algorithms, and illustrates key aspects for their application. The authors aim to present novel theoretical tools and concepts while giving concise proofs even for relatively advanced topics. Foundations of Machine Learning fills the need for a general textbook that also offers theoretical details and an emphasis on proofs. Certain topics that are often treated with insufficient attention are discussed in more detail here; for example, entire chapters are devoted to regression, multi-class classification, and ranking. The first three chapters lay the theoretical foundation for what follows, but each remaining chapter is mostly self-contained. The appendix offers a concise probability review, a short introduction to convex optimization, tools for concentration bounds, and several basic properties of matrices and norms used in the book.
The book is intended for graduate students and researchers in machine learning, statistics, and related areas; it can be used either as a textbook or as a reference text for a research seminar.