مشخصات کتاب

Genetic Algorithms and Machine Learning for Programmers: Create AI Models and Evolve Solutions

دسته بندی: الگوریتم ها و ساختارهای داده
ویرایش: 1 
نویسندگان: Frances Buontempo  
سری: Pragmatic Programmers 
ISBN (شابک) : 168050620X, 9781680506204 
ناشر: Pragmatic Bookshelf 
سال نشر: 2019 
تعداد صفحات: 234 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 مگابایت 

کلمات کلیدی مربوط به کتاب الگوریتم های ژنتیک و یادگیری ماشین برای برنامه نویسان: ایجاد مدل های هوش مصنوعی و راه حل های تکامل یافته: یادگیری ماشینی، الگوریتم‌ها، هوش ازدحامی، الگوریتم‌های ژنتیک، سی پلاس پلاس، پایتون، جاوا اسکریپت، بهینه‌سازی، شبیه‌سازی مونت کارلو، بازی زندگی، سطح ورودی، آموزش، تکنیک‌های طراحی الگوریتم

در صورت تبدیل فایل کتاب Genetic Algorithms and Machine Learning for Programmers: Create AI Models and Evolve Solutions 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 الگوریتم های ژنتیک و یادگیری ماشین برای برنامه نویسان: ایجاد مدل های هوش مصنوعی و راه حل های تکامل یافته 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 الگوریتم های ژنتیک و یادگیری ماشین برای برنامه نویسان: ایجاد مدل های هوش مصنوعی و راه حل های تکامل یافته

خودروهای خودران، تشخیص زبان طبیعی و موتورهای توصیه آنلاین همگی به لطف یادگیری ماشینی امکان پذیر هستند. اکنون می‌توانید الگوریتم‌های ژنتیک، گروه‌های الهام‌گرفته از طبیعت، شبیه‌سازی‌های مونت کارلو، اتوماتای ​​سلولی و خوشه‌های خود را ایجاد کنید. بیاموزید که چگونه کد ML خود را آزمایش کنید و به موضوعات پیشرفته تر بروید. اگر شما یک برنامه نویس مبتدی تا متوسط ​​هستید که مشتاق درک یادگیری ماشینی هستید، این کتاب برای شما مناسب است. الگوریتم های یادگیری ماشین را با استفاده از تعداد انگشت شماری از دستور العمل های مستقل کشف کنید. مجموعه ای از الگوریتم ها بسازید، اصطلاحات و رویکردهایی را که به طور کلی کاربرد دارند را کشف کنید. هوش را در الگوریتم‌های خود بسازید و آنها را برای کشف راه‌حل‌های خوب برای مشکلات راهنمایی کنید. در این کتاب، شما: • از اکتشافات و توابع تناسب اندام طراحی استفاده کنید. • الگوریتم های ژنتیک بسازید. • با مورچه ها، زنبورها و ذرات، دسته های الهام گرفته از طبیعت بسازید. • شبیه سازی مونت کارلو را ایجاد کنید. • اتوماتای ​​سلولی را بررسی کنید. • با استفاده از تپه نوردی و بازپخت شبیه سازی شده، حداقل و حداکثر را بیابید. • روش های انتخاب، از جمله مسابقات و چرخ های رولت را امتحان کنید. • در مورد اکتشافی، توابع تناسب اندام، معیارها، و خوشه ها بیاموزید. کد خود را تست کنید و برای امتحان مشکلات جدید الهام بگیرید. روی سناریوها کار کنید تا راه خود را از یک کیسه کاغذی رمزگذاری کنید. یک مهارت مهم برای هر برنامه نویس شایسته. ببینید الگوریتم‌ها چگونه با ایجاد تجسم‌سازی از هر مسئله، کاوش و یاد می‌گیرند. برای طراحی پروژه های یادگیری ماشینی خود الهام بگیرید و با اصطلاحات تخصصی آن آشنا شوید. آنچه شما نیاز دارید: کد در C++ (>= C++11)، پایتون (2.x یا 3.x) و جاوا اسکریپت (با استفاده از بوم HTML5). همچنین از matplotlib و برخی از کتابخانه های منبع باز، از جمله SFML، Catch و Cosmic-Ray استفاده می کند. این کتابخانه های رسم و آزمایش مورد نیاز نیستند، اما استفاده از آنها تجربه کامل تری به شما می دهد. تنها با یک ویرایشگر متن و کامپایلر/مفسر برای زبان انتخابی خود، همچنان می توانید از توضیحات کلی الگوریتم کدنویسی کنید.

توضیحاتی درمورد کتاب به خارجی

Self-driving cars, natural language recognition, and online recommendation engines are all possible thanks to Machine Learning. Now you can create your own genetic algorithms, nature-inspired swarms, Monte Carlo simulations, cellular automata, and clusters. Learn how to test your ML code and dive into even more advanced topics. If you are a beginner-to-intermediate programmer keen to understand machine learning, this book is for you. Discover machine learning algorithms using a handful of self-contained recipes. Build a repertoire of algorithms, discovering terms and approaches that apply generally. Bake intelligence into your algorithms, guiding them to discover good solutions to problems. In this book, you will: • Use heuristics and design fitness functions. • Build genetic algorithms. • Make nature-inspired swarms with ants, bees and particles. • Create Monte Carlo simulations. • Investigate cellular automata. • Find minima and maxima, using hill climbing and simulated annealing. • Try selection methods, including tournament and roulette wheels. • Learn about heuristics, fitness functions, metrics, and clusters. Test your code and get inspired to try new problems. Work through scenarios to code your way out of a paper bag; an important skill for any competent programmer. See how the algorithms explore and learn by creating visualizations of each problem. Get inspired to design your own machine learning projects and become familiar with the jargon. What You Need: Code in C++ (>= C++11), Python (2.x or 3.x) and JavaScript (using the HTML5 canvas). Also uses matplotlib and some open source libraries, including SFML, Catch and Cosmic-Ray. These plotting and testing libraries are not required but their use will give you a fuller experience. Armed with just a text editor and compiler/interpreter for your language of choice you can still code along from the general algorithm descriptions.

نظرات کاربران

کتاب های مرتبط

دانلود کتاب Foundations of Information and Knowledge Systems

دانلود کتاب Permutation group algorithms

دانلود کتاب Sztuka Programowania. Tom 1. Algorytmy podstawowe

دانلود کتاب Computation and automata

دانلود کتاب Problem Solving in Data Structures & Algorithms Using C++: Programming Interview Guide

دانلود کتاب Coloring Mixed Hypergraphs. Theory, Algorithms and Applications

دانلود کتاب A Common-Sense Guide to Data Structures and Algorithms: Level Up Your Core Programming Skills

دانلود کتاب Foundations of Genetic Algorithms 6 (Foga-6)

دانلود کتاب Approximation and Online Algorithms: 4th International Workshop, WAOA 2006, Zurich, Switzerland, September 14-15, 2006. Revised Papers

دانلود کتاب Handbook of algorithms and data structures: in Pascal and C