دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Prasad Lokulwar, Basant Verma, N. Thillaiarasu, Kailash Kumar, Mahip Bartere, Dharam Singh سری: ISBN (شابک) : 9815079190, 9789815079197 ناشر: Bentham Science Publishers سال نشر: 2022 تعداد صفحات: 238 [240] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 21 Mb
در صورت تبدیل فایل کتاب Machine Learning Methods for Engineering Application Development 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 روش های یادگیری ماشین برای توسعه برنامه های مهندسی 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.
این کتاب بررسی سریع روشهای یادگیری ماشین برای برنامههای مهندسی است. مقدمه ای بر اصول یادگیری ماشینی و الگوریتم های رایج در بخش اول ارائه می کند. فصلهای بعدی، کار علمی موجود را خلاصه و تجزیه و تحلیل میکنند و برخی از مسائل کلی در این زمینه را مورد بحث قرار میدهند. در مرحله بعد، دستورالعملهایی در مورد بکارگیری روشهای یادگیری ماشین برای کارهای مهندسی نرمافزار ارائه میدهد. در نهایت، چشماندازی به برخی از توسعههای آینده و احتمالاً حوزههای تحقیقاتی جدید یادگیری ماشین و هوش مصنوعی به طور کلی ارائه میدهد. تکنیکهای برجستهشده در این کتاب عبارتند از: مدلهای بیزی، ماشینهای بردار پشتیبان، القای درخت تصمیم، تجزیه و تحلیل رگرسیون، و شبکه عصبی تکراری و کانولوشن. در نهایت قصد دارد کتاب مرجع نیز باشد. ویژگیهای کلیدی:مشکلات دنیای واقعی را که میتوان با استفاده از یادگیری ماشین حل کرد توضیح میدهد روشهایی را برای استفاده مستقیم از تکنیکهای یادگیری ماشین برای مشکلات واقعی دنیای واقعی توضیح میدهد. و اینترنت اشیا (IoT). این کتاب به دانش قبلی در مورد یادگیری ماشین نیاز ندارد این کتاب مقدمه ای بر هوش مصنوعی (AI)، درآمد ماشینی و کاربردهای آن در صنعت 4.0 است. اصول اولیه ریاضی را توضیح میدهد، اما برای خوانندگانی که پیشزمینه ریاضیات پیشرفته ندارند، قابل درک است.
This book is a quick review of machine learning methods for engineeringapplications. It provides an introduction to the principles of machine learningand common algorithms in the first section. Proceeding chapters summarize andanalyze the existing scholarly work and discuss some general issues in this field.Next, it offers some guidelines on applying machine learning methods to softwareengineering tasks. Finally, it gives an outlook into some of the futuredevelopments and possibly new research areas of machine learning and artificialintelligence in general.Techniques highlighted in the book include: Bayesian models, supportvector machines, decision tree induction, regression analysis, and recurrent andconvolutional neural network. Finally, it also intends to be a reference book. Key Features:Describes real-world problems that can be solved using machine learningExplains methods for directly applying machine learning techniques to concrete real-world problemsExplains concepts used in Industry 4.0 platforms, including the use and integration of AI, ML, Big Data, NLP, and the Internet of Things (IoT). It does not require prior knowledge of the machine learning This book is meantto be an introduction to artificial intelligence (AI), machine earning, and itsapplications in Industry 4.0. It explains the basic mathematical principlesbut is intended to be understandable for readers who do not have a backgroundin advanced mathematics.