مشخصات کتاب

Machine Learning Algorithms in Depth (MEAP V03)

ویرایش:  
نویسندگان: Vadim Smolyakov  
سری:  
 
ناشر: Manning 
سال نشر: 2023 
تعداد صفحات: [168] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 Mb 

در صورت تبدیل فایل کتاب Machine Learning Algorithms in Depth (MEAP V03) 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 یادگیری ماشین در عمق (MEAP V03) 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 یادگیری ماشین در عمق (MEAP V03)

در الگوریتم های یادگیری ماشینی در عمق، پیاده سازی های عملی ده ها الگوریتم ML از جمله شبیه سازی قیمت سهام مونت کارلو حذف نویز تصویر با استفاده از استنتاج متغیر میدان میانگین الگوریتم EM برای مدل های پنهان مارکوف یادگیری نامتعادل، یادگیری فعال و یادگیری گروهی بهینه سازی بیزی برای تنظیم فراپارامتر فرآیند دیریکله K-Means for Clustering Applications خوشه های سهام بر اساس برآورد کوواریانس معکوس به حداقل رساندن انرژی با استفاده از آنیل شبیه سازی شده جستجوی تصویر بر اساس شبکه عصبی کانولوشن ResNet تشخیص ناهنجاری در سری های زمانی با استفاده از رمزگذارهای خودکار متغیر الگوریتم های یادگیری ماشینی در عمق به طراحی و اصول اساسی برخی از مهیج ترین الگوریتم های یادگیری ماشین (ML) در جهان امروز می پردازد. با تاکید ویژه بر الگوریتم های مبتنی بر احتمال، شما اصول استنتاج بیزی و یادگیری عمیق را خواهید آموخت. همچنین ساختارهای داده اصلی و پارادایم های الگوریتمی برای یادگیری ماشین را بررسی خواهید کرد. هر الگوریتم به طور کامل با پیاده‌سازی ریاضی و عملی بررسی می‌شود، بنابراین می‌توانید ببینید که چگونه کار می‌کنند و چگونه عمل می‌کنند. در مورد تکنولوژی درک کامل نحوه عملکرد الگوریتم های یادگیری ماشین برای هر مهندس جدی ML ضروری است. این دانش حیاتی به شما امکان می‌دهد الگوریتم‌ها را مطابق با نیازهای خاص خود تغییر دهید، هنگام انتخاب الگوریتم برای یک پروژه، معاوضه‌ها را درک کنید و نتایج خود را بهتر تفسیر و برای ذینفعان خود توضیح دهید. این راهنمای منحصربه‌فرد شما را از تکیه بر کتابخانه‌های ML یک‌اندازه به توسعه الگوریتم‌های خود برای رفع نیازهای کسب‌وکارتان هدایت می‌کند. در مورد کتاب الگوریتم های یادگیری ماشینی در عمق به چگونگی و چرایی الگوریتم های یادگیری ماشین می پردازد. برای هر دسته از الگوریتم‌ها، از اصول ریاضی اول به پیاده‌سازی عملی در پایتون می‌روید. ده‌ها مثال را از تمام زمینه‌های یادگیری ماشین، از جمله امور مالی، بینایی کامپیوتر، NLP و موارد دیگر کشف خواهید کرد. هر مثال با مشتقات و جزئیات کار شده و همچنین نمونه کد و گرافیک روشنگر همراه است. وقتی مطالعه را تمام کردید، خواهید فهمید که الگوریتم‌های اصلی چگونه کار می‌کنند - و تمرین‌کننده بهتری برای یادگیری ماشین خواهید بود.

توضیحاتی درمورد کتاب به خارجی

In Machine Learning Algorithms in Depth you'll explore practical implementations of dozens of ML algorithms including Monte Carlo Stock Price Simulation Image Denoising using Mean-Field Variational Inference EM algorithm for Hidden Markov Models Imbalanced Learning, Active Learning and Ensemble Learning Bayesian Optimization for Hyperparameter Tuning Dirichlet Process K-Means for Clustering Applications Stock Clusters based on Inverse Covariance Estimation Energy Minimization using Simulated Annealing Image Search based on ResNet Convolutional Neural Network Anomaly Detection in Time-Series using Variational Autoencoders Machine Learning Algorithms in Depth dives into the design and underlying principles of some of the most exciting machine learning (ML) algorithms in the world today. With a particular emphasis on probability-based algorithms, you'll learn the fundamentals of Bayesian inference and deep learning. You'll also explore the core data structures and algorithmic paradigms for machine learning. Each algorithm is fully explored with both math and practical implementations so you can see how they work and how they're put into action. about the technology Fully understanding how machine learning algorithms function is essential for any serious ML engineer. This vital knowledge lets you modify algorithms to your specific needs, understand the tradeoffs when picking an algorithm for a project, and better interpret and explain your results to your stakeholders. This unique guide will take you from relying on one-size-fits-all ML libraries to developing your own algorithms to solve your business needs. about the book Machine Learning Algorithms in Depth dives deep into the how and the why of machine learning algorithms. For each category of algorithm, you'll go from math-first principles to a hands-on implementation in Python. You'll explore dozens of examples from across all the fields of machine learning, including finance, computer vision, NLP, and more. Each example is accompanied by worked-out derivations and details, as well as insightful code samples and graphics. By the time you're done reading, you'll know how major algorithms work under the hood-and be a better machine learning practitioner for it.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Axiomatische Darstellung des phänomenal-zentralnervösen Systems der sinnesphysiologischen Versuche Keidels und Mitarbeiter

دانلود کتاب Співвідношення централізації і децентралізації в системі державного управління

دانلود کتاب L'adorabile Stendhal

دانلود کتاب Evaluation of combined horizontal-moment bearing capacities of tripod bucket foundations in undrained clay

دانلود کتاب The Devil's Financial Dictionary