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 Machine Learning for Email

دانلود کتاب یادگیری ماشینی برای ایمیل

Machine Learning for Email

مشخصات کتاب

Machine Learning for Email

ویرایش:  
نویسندگان: , , ,   
سری:  
ISBN (شابک) : 1347967621, 9781449320706 
ناشر: O'Reilly Media 
سال نشر: 2011 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت

قیمت کتاب (تومان) : 54,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب Machine Learning for Email 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 یادگیری ماشینی برای ایمیل 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 یادگیری ماشینی برای ایمیل



اگر برنامه نویس با تجربه ای هستید که مایل به خرد کردن داده ها هستید، این راهنمای مختصر به شما نشان می دهد که چگونه از یادگیری ماشین برای کار با ایمیل استفاده کنید. شما یاد خواهید گرفت که چگونه الگوریتم هایی بنویسید که به طور خودکار ایمیل ها را بر اساس الگوهای آماری جمع آوری شده از داده های نمونه مرتب می کنند و هدایت می کنند. نویسندگان درو کانوی و جان مایلز وایت با استفاده از رویکرد مبتنی بر مطالعه موردی به جای ارائه سنتی سنگین ریاضی، به این فرآیند به روشی عملی برخورد می‌کنند.


توضیحاتی درمورد کتاب به خارجی

If you’re an experienced programmer willing to crunch data, this concise guide will show you how to use machine learning to work with email. You’ll learn how to write algorithms that automatically sort and redirect email based on statistical patterns gleaned from sample data. Authors Drew Conway and John Myles White approach the process in a practical fashion, using a case-study driven approach rather than a traditional math-heavy presentation.



فهرست مطالب

Machine generated contents note: 1. Using R --
R for Machine Learning --
Downloading and Installing R --
IDEs and Text Editors --
Loading and Installing R Packages --
R Basics for Machine Learning --
Further Reading on R --
2. Data Exploration --
Exploration vs. Confirmation --
What is Data? --
Inferring the Types of Columns in Your Data --
Inferring Meaning --
Numeric Summaries --
Means, Medians, and Modes --
Quantiles --
Standard Deviations and Variances --
Exploratory Data Visualization --
Modes --
Skewness --
Thin Tails vs. Heavy Tails --
Visualizing the Relationships between Columns --
3. Classification: Spam Filtering --
This or That: Binary Classification --
Moving Gently into Conditional Probability --
Writing Our First Bayesian Spam Classifier --
Defining the Classifier and Testing It with Hard Ham --
Testing the Classifier Against All Email Types --
Improving the Results --
4. Ranking: Priority Inbox --
How Do You Sort Something When You Don\'t Know the Order? --
Ordering Email Messages by Priority --
Priority Features Email --
Writing a Priority Inbox --
Functions for Extracting the Feature Set --
Creating a Weighting Scheme for Ranking --
Weighting from Email Thread Activity --
Training and Testing the Ranker.




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی