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: John Wright. Yi Ma
سری:
ISBN (شابک) : 1108489737, 9781108489737
ناشر: Cambridge University Press
سال نشر: 2022
تعداد صفحات: 650
[730]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 70 Mb
در صورت تبدیل فایل کتاب High-Dimensional Data Analysis with Low-Dimensional Models 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 تجزیه و تحلیل داده های با ابعاد بالا با مدل های کم بعدی 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 مقدمه سیستماتیک و دقیق که نظریه را با عمل مرتبط می کند، اصول اساسی، الگوریتم ها و کاربردهای مدل های ریاضی کلیدی برای تجزیه و تحلیل داده های با ابعاد بالا را پوشش می دهد. در رویکرد خود جامع، پوشش یکپارچه ای از بسیاری از مدل های مختلف با ابعاد پایین و تکنیک های تحلیلی، از جمله مدل های پراکنده و با رتبه پایین، و فرمول های محدب و غیر محدب را ارائه می دهد. خوانندگان یاد میگیرند که چگونه الگوریتمهای کارآمد و مقیاسپذیر را برای حل مسائل دنیای واقعی، که با مثالها و تمرینهای متعدد در سراسر آن پشتیبانی میشوند، توسعه دهند و چگونه از ابزارهای محاسباتی آموختهشده در چندین زمینه کاربردی استفاده کنند. برنامه های کاربردی ارائه شده شامل تصویربرداری علمی، ارتباطات، تشخیص چهره، دید سه بعدی و شبکه های عمیق برای طبقه بندی است. با کد موجود به صورت آنلاین، این یک کتاب درسی ایدهآل برای دانشجویان ارشد و فارغالتحصیل در رشتههای علوم کامپیوتر، علوم داده، و مهندسی برق، و همچنین برای کسانی است که دروسی در مورد پراکندگی، ساختارهای کمبعد و دادههای با ابعاد بالا میگذرانند. پیشگفتار امانوئل کاندس. شکاف بین اصول و کاربردهای مدلهای کمبعد برای تجزیه و تحلیل دادههای با ابعاد بالا را پر میکند. طیف گسترده ای از حوزه های کاربردی را پوشش می دهد به صورت آنلاین با کد همراه است پیشگفتار امانوئل کاندس
Connecting theory with practice, this systematic and rigorous introduction covers the fundamental principles, algorithms and applications of key mathematical models for high-dimensional data analysis. Comprehensive in its approach, it provides unified coverage of many different low-dimensional models and analytical techniques, including sparse and low-rank models, and both convex and non-convex formulations. Readers will learn how to develop efficient and scalable algorithms for solving real-world problems, supported by numerous examples and exercises throughout, and how to use the computational tools learnt in several application contexts. Applications presented include scientific imaging, communication, face recognition, 3D vision, and deep networks for classification. With code available online, this is an ideal textbook for senior and graduate students in computer science, data science, and electrical engineering, as well as for those taking courses on sparsity, low-dimensional structures, and high-dimensional data. Foreword by Emmanuel Candès. Bridges the gap between principles and applications of low-dimensional models for high-dimensional data analysis Covers a wide range of application areas Accompanied online by code Foreword by Emmanuel Candès