ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Introduction to Machine Learning with R: Rigorous Mathematical Analysis

دانلود کتاب مقدمه ای بر یادگیری ماشین با R: تجزیه و تحلیل دقیق ریاضی

Introduction to Machine Learning with R: Rigorous Mathematical Analysis

مشخصات کتاب

Introduction to Machine Learning with R: Rigorous Mathematical Analysis

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1491976446, 9781491976449 
ناشر: O’Reilly Media 
سال نشر: 2018 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 32,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Introduction to Machine Learning with R: Rigorous Mathematical Analysis 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 مقدمه ای بر یادگیری ماشین با R: تجزیه و تحلیل دقیق ریاضی 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 مقدمه ای بر یادگیری ماشین با R: تجزیه و تحلیل دقیق ریاضی

یادگیری ماشینی یک موضوع ترسناک است تا زمانی که اصول اولیه را بدانید. اگر مفاهیم اولیه کد نویسی را درک می کنید، این راهنمای مقدماتی به شما کمک می کند تا پایه ای محکم در اصول یادگیری ماشین به دست آورید. با استفاده از زبان برنامه نویسی R، ابتدا با مدل سازی رگرسیون شروع به یادگیری می کنید و سپس به سمت موضوعات پیشرفته تری مانند شبکه های عصبی و روش های مبتنی بر درخت می روید.

در نهایت، شما به مرز می پردازید. از یادگیری ماشین، با استفاده از بستهcaretدر R. هنگامی که با موضوعاتی مانند تفاوت بین مدل‌های رگرسیون و طبقه‌بندی آشنا شدید، می‌توانید مجموعه‌ای از مسائل یادگیری ماشین را حل کنید. نویسنده اسکات وی برگر چندین مثال ارائه می‌دهد تا به شما کمک کند دانش کاری در مورد یادگیری ماشین ایجاد کنید.


مدل‌ها، الگوریتم‌ها و آموزش داده‌های یادگیری ماشین را کاوش کنید
درک الگوریتم‌های یادگیری ماشین برای موارد نظارت شده و بدون نظارت
مفاهیم آماری را برای طراحی داده ها برای استفاده در مدل ها بررسی کنید
به مدل های رگرسیون خطی مورد استفاده در کسب و کار و علم مراجعه کنید
از شبکه های عصبی تک لایه و چند لایه برای محاسبه نتایج استفاده کنید
به نحوه عملکرد مدل‌های مبتنی بر درخت، از جمله درخت‌های تصمیم محبوب نگاه کنید
دریافت نمای جامعی از اکوسیستم یادگیری ماشین در R
کاوش در نیروگاه ابزارهای موجود در بسته caretR's


توضیحاتی درمورد کتاب به خارجی

Machine learning is an intimidating subject until you know the fundamentals. If you understand basic coding concepts, this introductory guide will help you gain a solid foundation in machine learning principles. Using the R programming language, you'll first start to learn with regression modelling and then move into more advanced topics such as neural networks and tree-based methods.

Finally, you'll delve into the frontier of machine learning, using thecaretpackage in R. Once you develop a familiarity with topics such as the difference between regression and classification models, you'll be able to solve an array of machine learning problems. Author Scott V. Burger provides several examples to help you build a working knowledge of machine learning.


Explore machine learning models, algorithms, and data training
Understand machine learning algorithms for supervised and unsupervised cases
Examine statistical concepts for designing data for use in models
Dive into linear regression models used in business and science
Use single-layer and multilayer neural networks for calculating outcomes
Look at how tree-based models work, including popular decision trees
Get a comprehensive view of the machine learning ecosystem in R
Explore the powerhouse of tools available in R'scaretpackage





نظرات کاربران