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: 1st ed. نویسندگان: Rudolf Mathar, Gholamreza Alirezaei, Emilio Balda, Arash Behboodi سری: ISBN (شابک) : 9783030568306, 9783030568313 ناشر: Springer International Publishing;Springer سال نشر: 2020 تعداد صفحات: 131 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب مبانی تجزیه و تحلیل داده ها: با نگاهی به یادگیری ماشین: آمار، نظریه و روش های آماری، داده های بزرگ، ساختارهای داده، رمز شناسی و نظریه اطلاعات، آمار و برنامه های محاسباتی/آمار
در صورت تبدیل فایل کتاب Fundamentals of Data Analytics : With a View to 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 تجزیه و تحلیل داده ها: با نگاهی به 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 روشهای اساسی برای تجزیه و تحلیل دادههای موفق را معرفی میکند. بهینهسازی و تقریب ماتریس با جزئیات توضیح داده شده و به طور گسترده برای کاهش ابعاد با تحلیل مؤلفههای اصلی و مقیاسبندی چند بعدی اعمال میشود. نقشه های انتشار و خوشه بندی طیفی به عنوان ابزار قدرتمندی مشتق شده اند. همپوشانی روششناختی بین علم داده و یادگیری ماشین با نشان دادن نحوه استفاده از علم داده برای طبقهبندی و همچنین یادگیری تحت نظارت و بدون نظارت تأکید میشود.
This book introduces the basic methodologies for successful data analytics. Matrix optimization and approximation are explained in detail and extensively applied to dimensionality reduction by principal component analysis and multidimensional scaling. Diffusion maps and spectral clustering are derived as powerful tools. The methodological overlap between data science and machine learning is emphasized by demonstrating how data science is used for classification as well as supervised and unsupervised learning.
Front Matter ....Pages i-xi
Introduction (Rudolf Mathar, Gholamreza Alirezaei, Emilio Balda, Arash Behboodi)....Pages 1-8
Prerequisites from Matrix Analysis (Rudolf Mathar, Gholamreza Alirezaei, Emilio Balda, Arash Behboodi)....Pages 9-33
Multivariate Distributions and Moments (Rudolf Mathar, Gholamreza Alirezaei, Emilio Balda, Arash Behboodi)....Pages 35-43
Dimensionality Reduction (Rudolf Mathar, Gholamreza Alirezaei, Emilio Balda, Arash Behboodi)....Pages 45-67
Classification and Clustering (Rudolf Mathar, Gholamreza Alirezaei, Emilio Balda, Arash Behboodi)....Pages 69-81
Support Vector Machines (Rudolf Mathar, Gholamreza Alirezaei, Emilio Balda, Arash Behboodi)....Pages 83-105
Machine Learning (Rudolf Mathar, Gholamreza Alirezaei, Emilio Balda, Arash Behboodi)....Pages 107-121
Back Matter ....Pages 123-127