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: Wilmott. Paul
سری:
ISBN (شابک) : 9781916081604, 1916081606
ناشر: Panda Ohana
سال نشر: 2019
تعداد صفحات: 242
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب فراگیری ماشین. مقدمه ریاضی کاربردی: ریاضی، ریاضی -- یادگیری ماشینی
در صورت تبدیل فایل کتاب Machine learning. An applied mathematics introduction 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 فراگیری ماشین. مقدمه ریاضی کاربردی 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.
یادگیری ماشینی: مقدمه ریاضیات کاربردی، ریاضیات اساسی را در پشت همه موضوعات زیر پوشش می دهد - K Nearest Neighbours. K به معنای خوشه بندی. طبقه بندی کننده ساده بیز; روش های رگرسیون; ماشین آلات بردار پشتیبانی; نقشه های خودسازماندهی؛ درختان تصمیم شبکه های عصبی؛ یادگیری تقویتی
Machine Learning: An Applied Mathematics Introduction covers the essential mathematics behind all of the following topics - K Nearest Neighbours; K Means Clustering; Naïve Bayes Classifier; Regression Methods; Support Vector Machines; Self-Organizing Maps; Decision Trees; Neural Networks; Reinforcement Learning
Contents......Page 8
Prologue......Page 12
Chapter 1 - Introduction......Page 16
Chapter 2 - General Matters......Page 32
Chapter 3 - K Nearest Neighbours......Page 70
Chapter 4 - K Means Clustering......Page 80
Chapter 5 - Naive Bayes Classifier......Page 98
Chapter 6 - Regression Methods......Page 106
Chapter 7 - Support Vector Machines......Page 114
Chapter 8 - Self-Organizing Maps......Page 128
Chapter 9 - Decision Tree......Page 142
Chapter 10 - Neural Networks......Page 162
Chapter 11 - Reinforcement Learning......Page 188
Datasets......Page 232
Epilogue......Page 236
Index......Page 238