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
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 2 نویسندگان: Stephen Marsland سری: Chapman & Hall/Crc Machine Learning & Pattern Recognition ISBN (شابک) : 1466583282, 9781466583283 ناشر: Chapman and Hall/CRC سال نشر: 2014 تعداد صفحات: 452 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشین: دیدگاه الگوریتمی ، چاپ دوم: انفورماتیک و مهندسی کامپیوتر، هوش مصنوعی
در صورت تبدیل فایل کتاب Machine Learning: An Algorithmic Perspective, Second Edition 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: دیدگاه الگوریتمی ، چاپ دوم 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.
رویکردی عملی و اثبات شده برای دانشجویان بدون پایه آماری قوی
از زمانی که اولین نسخه پرفروش منتشر شد، چندین پیشرفت برجسته در زمینه یادگیری ماشین، از جمله افزایش کار بر روی تفاسیر آماری الگوریتمهای یادگیری ماشین وجود دارد. متأسفانه، دانشجویان علوم کامپیوتر بدون پیشینه آماری قوی اغلب شروع به کار در این زمینه را دشوار می دانند.
رفع این نقص، یادگیری ماشینی: چشمانداز الگوریتمی، ویرایش دوم به دانشآموزان کمک میکند الگوریتمهای یادگیری ماشین را درک کنند. آنها را در مسیر تسلط بر ریاضیات و آمار مربوطه و همچنین برنامه نویسی و آزمایش های لازم قرار می دهد.
جدید در نسخه دوم
مناسب هم برای یک دوره مقدماتی یک ترم و هم دروس پیشرفته تر، متن به شدت دانش آموزان را به تمرین با کد تشویق می کند. هر فصل شامل مثال های دقیق همراه با خواندن بیشتر و مشکلات است. تمام کدهای مورد استفاده برای ایجاد نمونه ها در وب سایت نویسنده موجود است.
A Proven, Hands-On Approach for Students without a Strong Statistical Foundation
Since the best-selling first edition was published, there have been several prominent developments in the field of machine learning, including the increasing work on the statistical interpretations of machine learning algorithms. Unfortunately, computer science students without a strong statistical background often find it hard to get started in this area.
Remedying this deficiency, Machine Learning: An Algorithmic Perspective, Second Edition helps students understand the algorithms of machine learning. It puts them on a path toward mastering the relevant mathematics and statistics as well as the necessary programming and experimentation.
New to the Second Edition
Suitable for both an introductory one-semester course and more advanced courses, the text strongly encourages students to practice with the code. Each chapter includes detailed examples along with further reading and problems. All of the code used to create the examples is available on the author’s website.