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 Lifelong Machine Learning

دانلود کتاب آموزش مادام العمر ماشین

مشخصات کتاب

Lifelong Machine Learning

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش: 2 
نویسندگان: Zhiyuan Chen. Bing Liu  
سری: Synthesis Lectures on Artificial Intelligence and Machine Learning 
ISBN (شابک) : 1681733021, 9781681733029 
ناشر: Morgan & Claypool 
سال نشر: 2018 
تعداد صفحات: 209 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 49,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 12

در صورت تبدیل فایل کتاب Lifelong 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 آموزش مادام العمر 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 آموزش مادام العمر ماشین

یادگیری ماشینی مادام العمر، ویرایش دوم، مقدمه ای بر یک الگوی یادگیری ماشینی پیشرفته است که به طور مداوم با انباشت دانش گذشته یاد می گیرد و سپس در یادگیری آینده و حل مسئله استفاده می کند. در مقابل، الگوی یادگیری ماشین غالب فعلی به صورت مجزا یاد می‌گیرد: با توجه به یک مجموعه داده آموزشی، یک الگوریتم یادگیری ماشین را روی مجموعه داده اجرا می‌کند تا مدلی تولید کند که سپس در برنامه مورد نظر خود استفاده شود. هیچ تلاشی برای حفظ دانش آموخته شده و استفاده از آن در یادگیری بعدی انجام نمی دهد. برخلاف این سیستم منزوی، انسان‌ها فقط با چند مثال به طور مؤثر یاد می‌گیرند، دقیقاً به این دلیل که یادگیری ما بسیار دانش محور است: دانش آموخته‌شده در گذشته به ما کمک می‌کند چیزهای جدید را با داده‌ها یا تلاش کم یاد بگیریم. هدف یادگیری مادام‌العمر تقلید از این قابلیت است، زیرا بدون آن نمی‌توان یک سیستم هوش مصنوعی را واقعاً هوشمند در نظر گرفت. تحقیقات در زمینه یادگیری مادام العمر در مدت زمان نسبتاً کوتاهی پس از انتشار اولین ویرایش این کتاب به طور قابل توجهی توسعه یافته است. هدف این ویرایش دوم گسترش تعریف یادگیری مادام‌العمر، به‌روزرسانی محتوای چندین فصل، و افزودن فصل جدیدی در مورد یادگیری مستمر در شبکه‌های عصبی عمیق است که در دو یا سه سال گذشته به طور فعال مورد تحقیق قرار گرفته است. چند فصل نیز سازماندهی مجدد شده اند تا هر یک از آنها برای خواننده منسجم تر شود. علاوه بر این، نویسندگان می خواهند یک چارچوب یکپارچه برای حوزه تحقیق پیشنهاد کنند. در حال حاضر، چندین موضوع تحقیقاتی در یادگیری ماشین وجود دارد که ارتباط نزدیکی با یادگیری مادام‌العمر دارند، به ویژه یادگیری چند وظیفه‌ای، یادگیری انتقالی و فرا یادگیری، زیرا از ایده اشتراک و انتقال دانش نیز استفاده می‌کنند. این کتاب همه این موضوعات را زیر یک سقف آورده و شباهت ها و تفاوت های آنها را مورد بحث قرار می دهد. هدف آن معرفی این پارادایم یادگیری ماشینی نوظهور و ارائه یک نظرسنجی و بررسی جامع از نتایج مهم تحقیقاتی و آخرین ایده ها در این زمینه است. بنابراین این کتاب برای دانش‌آموزان، محققان و شاغلانی که به یادگیری ماشین، داده‌کاوی، پردازش زبان طبیعی یا تشخیص الگو علاقه‌مند هستند، مناسب است. اساتید می توانند به راحتی از این کتاب برای دوره های آموزشی در هر یک از این زمینه های مرتبط استفاده کنند.

توضیحاتی درمورد کتاب به خارجی

Lifelong Machine Learning, Second Edition is an introduction to an advanced machine learning paradigm that continuously learns by accumulating past knowledge that it then uses in future learning and problem solving. In contrast, the current dominant machine learning paradigm learns in isolation: given a training dataset, it runs a machine learning algorithm on the dataset to produce a model that is then used in its intended application. It makes no attempt to retain the learned knowledge and use it in subsequent learning. Unlike this isolated system, humans learn effectively with only a few examples precisely because our learning is very knowledge-driven: the knowledge learned in the past helps us learn new things with little data or effort. Lifelong learning aims to emulate this capability, because without it, an AI system cannot be considered truly intelligent. Research in lifelong learning has developed significantly in the relatively short time since the first edition of this book was published. The purpose of this second edition is to expand the definition of lifelong learning, update the content of several chapters, and add a new chapter about continual learning in deep neural networkswhich has been actively researched over the past two or three years. A few chapters have also been reorganized to make each of them more coherent for the reader. Moreover, the authors want to propose a unified framework for the research area. Currently, there are several research topics in machine learning that are closely related to lifelong learningmost notably, multi-task learning, transfer learning, and meta-learningbecause they also employ the idea of knowledge sharing and transfer. This book brings all these topics under one roof and discusses their similarities and differences. Its goal is to introduce this emerging machine learning paradigm and present a comprehensive survey and review of the important research results and latest ideas in the area. This book is thus suitable for students, researchers, and practitioners who are interested in machine learning, data mining, natural language processing, or pattern recognition. Lecturers can readily use the book for courses in any of these related fields.