دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Introduction to Machine Learning
دانلود کتاب آشنایی با یادگیری ماشین
مشخصات کتاب
Introduction to Machine Learning
ویرایش:
نویسندگان: Yves Kodratoff (Auth.)
سری:
ISBN (شابک) : 9780080509303
ناشر: Elsevier Inc
سال نشر: 1989
تعداد صفحات: 301
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 15 مگابایت
قیمت کتاب (تومان) : 59,000
در صورت تبدیل فایل کتاب Introduction 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 آشنایی با 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.
توضیحاتی در مورد کتاب آشنایی با یادگیری ماشین
کتاب درسی مناسب برای دوره های کارشناسی در زمینه یادگیری
ماشین
و موضوعات مرتبط، این کتاب بررسی گسترده ای از این زمینه ارائه
می دهد.
تمرین ها و مثال های سخاوتمندانه به دانش آموزان درک محکمی
از
مفاهیم و تکنیک ها می دهد. این موضوع به سرعت در حال توسعه و
چالش برانگیز است.
مقدمه‌ای بر یادگیری ماشین ترکیب و شفاف‌سازی
می‌کند
کار محققان برجسته، که بسیاری از آنها در غیر این صورت در دسترس
هستند< br>فقط در گزارش‌های فنی، مجلات و مقالات کنفرانس
هضم نشده است.
کودراتوف با مروری کلی مناسب برای خوانندگان مقطع کارشناسی،
پایه‌ای نظری را برای یادگیری ماشین ایجاد می‌کند و مفاهیم فنی
و حوزه‌های کاربردی اصلی آن را تشریح می‌کند. مثال‌های
برنامه‌نویسی منطقی مرتبط در Prolog آمده است.
مقدمه‌ای بر یادگیری ماشین مقدمه‌ای در دسترس و بدیع است برای یک حوزه تحقیقاتی مهم .
توضیحاتی درمورد کتاب به خارجی
A textbook suitable for undergraduate courses in machine
learning
and related topics, this book provides a broad survey of the
field.
Generous exercises and examples give students a firm grasp of
the
concepts and techniques of this rapidly developing,
challenging subject.
Introduction to Machine Learning synthesizes and
clarifies
the work of leading researchers, much of which is otherwise
available
only in undigested technical reports, journals, and
conference proceedings.
Beginning with an overview suitable for undergraduate
readers, Kodratoff
establishes a theoretical basis for machine learning and
describes
its technical concepts and major application areas. Relevant
logic
programming examples are given in Prolog.
Introduction to Machine Learning is an accessible and
original
introduction to a significant research area.
فهرست مطالب
Content:
Front Matter, Page i
Copyright, Page ii
Foreword and Acknowledgements, Page v
1 - Why Machine Learning and Artificial Intelligence?: The Contribution of Artificial Intelligence to Learning Techniques, Pages 1-10
2 - Theoretical Foundations for Machine Learning, Pages 11-41
3 - Representation of Complex Knowledge by Clauses, Pages 42-58
4 - Representation of Knowledge About Actions and the Addition of New Rules to a Knowledge Base, Pages 59-74
5 - Learning by Doing, Pages 75-92
6 - A Formal Presentation of Version Spaces, Pages 93-120
7 - Explanation-Based Learning, Pages 121-137
8 - Learning by Similarity Detection: The Empirical Approach, Pages 138-158
9 - Learning by Similarity Detection: The ‘Rational’ Approach, Pages 159-183
10 - Automatic Construction of Taxonomies: Techniques for Clustering, Pages 184-201
11 - Debugging and Understanding in Depth: The Learning of Micro-Worlds, Pages 202-215
12 - Learning by Analogy, Pages 216-227
Appendix 1 - Equivalence Between Theorems and Clauses, Pages 228-242
Appendix 2 - Synthesis of Predicates, Pages 243-262
Appendix 3 - Machine Learning in Context, Pages 263-286
Bibliography, Pages 287-294
Index, Pages 295-298
نظرات کاربران
کتاب های تصادفی
دانلود کتاب The Ethics of Research Biobanking
دانلود کتاب Rural Electrification: Optimizing Economics, Planning and Policy in an Era of Climate Change and Energy Transition
دانلود کتاب Advances in Visual Computing: Second International Symposium, ISVC 2006 Lake Tahoe, NV, USA, November 6-8, 2006 Proceedings, Part I
دانلود کتاب Anne of Green Gables
