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 in Chemistry: The Impact of Artificial Intelligence (Theoretical and Computational Chemistry Series): Volume 17

دانلود کتاب یادگیری ماشین در شیمی: تأثیر هوش مصنوعی (سری شیمی نظری و محاسباتی): دوره 17

Machine Learning in Chemistry: The Impact of Artificial Intelligence (Theoretical and Computational Chemistry Series): Volume 17

مشخصات کتاب

Machine Learning in Chemistry: The Impact of Artificial Intelligence (Theoretical and Computational Chemistry Series): Volume 17

ویرایش: [1 ed.] 
نویسندگان:   
سری: Theoretical and computational chemistry ; 
ISBN (شابک) : 1788017897, 9781788017893 
ناشر: Royal Society of Chemistry 
سال نشر: 2020 
تعداد صفحات: 450 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 Mb 

قیمت کتاب (تومان) : 58,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Machine Learning in Chemistry: The Impact of Artificial Intelligence (Theoretical and Computational Chemistry Series): Volume 17 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 ماشین در شیمی: تأثیر هوش مصنوعی (سری شیمی نظری و محاسباتی): دوره 17 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 ماشین در شیمی: تأثیر هوش مصنوعی (سری شیمی نظری و محاسباتی): دوره 17

پیشرفت در کاربرد یادگیری ماشینی (ML) در علوم فیزیکی و زیستی سریع بوده است. یک دهه پیش، این روش عمدتاً مورد توجه کسانی بود که در بخش‌های علوم کامپیوتر بودند، اما اخیراً ابزارهای ML توسعه یافته‌اند که پتانسیل قابل‌توجهی را در حوزه‌های وسیع علم نشان می‌دهند. اجماع فزاینده‌ای وجود دارد که نرم‌افزار ML و حوزه‌های مرتبط با هوش مصنوعی، ممکن است در زمان مناسب به اندازه خود رایانه‌ها برای تحقیقات علمی اساسی شوند. با این حال، این تصور وجود دارد که ML مبهم یا باطنی است، که فقط دانشمندان رایانه می توانند واقعاً آن را درک کنند، و کاربردهای معدودی در تحقیقات علمی وجود دارد. این کتاب این دیدگاه را به چالش می کشد. با مشارکت گروه‌های تحقیقاتی پیشرو، مثال‌های عمیقی ارائه می‌کند تا نشان دهد چگونه ML می‌تواند برای مشکلات شیمیایی واقعی اعمال شود. از طریق این مثال‌ها، خواننده می‌تواند هم احساس کند که ML می‌تواند و چه چیزی (تا کنون) نمی‌تواند به دست آورد، و همچنین ویژگی‌هایی را شناسایی می‌کند که ممکن است مشکلی را در علم فیزیکی برای رویکرد ML ایجاد کند. این متن منبع ارزشمندی برای دانشمندانی است که مجذوب قدرت یادگیری ماشینی هستند و می‌خواهند درباره نحوه استفاده از آن در حوزه خود اطلاعات بیشتری کسب کنند.


توضیحاتی درمورد کتاب به خارجی

Progress in the application of machine learning (ML) to the physical and life sciences has been rapid. A decade ago, the method was mainly of interest to those in computer science departments, but more recently ML tools have been developed that show significant potential across wide areas of science. There is a growing consensus that ML software, and related areas of artificial intelligence, may, in due course, become as fundamental to scientific research as computers themselves. Yet a perception remains that ML is obscure or esoteric, that only computer scientists can really understand it, and that few meaningful applications in scientific research exist. This book challenges that view. With contributions from leading research groups, it presents in-depth examples to illustrate how ML can be applied to real chemical problems. Through these examples, the reader can both gain a feel for what ML can and cannot (so far) achieve, and also identify characteristics that might make a problem in physical science amenable to a ML approach. This text is a valuable resource for scientists who are intrigued by the power of machine learning and want to learn more about how it can be applied in their own field.





نظرات کاربران