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: نویسندگان: Peter Flach سری: ISBN (شابک) : 1107422221, 9781107422223 ناشر: Cambridge University Press سال نشر: 2012 تعداد صفحات: 416 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشین: هنر و علم الگوریتم هایی که اطلاعات را درک می کنند: علوم و مهندسی کامپیوتر، هوش مصنوعی، داده کاوی
در صورت تبدیل فایل کتاب Machine Learning: The Art and Science of Algorithms that Make Sense of Data 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: هنر و علم الگوریتم هایی که اطلاعات را درک می کنند 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 بهعنوان یکی از جامعترین متون یادگیری ماشین در سراسر جهان، غنای باورنکردنی این حوزه را رعایت میکند، اما بدون از دست دادن اصول وحدتبخش. رویکرد واضح و مبتنی بر مثال پیتر فلاچ با بحث در مورد نحوه عملکرد فیلتر هرزنامه آغاز می شود، که مقدمه ای فوری برای یادگیری ماشینی در عمل، با حداقل سر و صداهای فنی ارائه می دهد. Flach مطالعات موردی در مورد افزایش پیچیدگی و تنوع را با مثال ها و تصاویر به خوبی انتخاب شده در سراسر ارائه می دهد. او طیف گسترده ای از مدل های منطقی، هندسی و آماری و موضوعات پیشرفته مانند فاکتورسازی ماتریس و تحلیل ROC را پوشش می دهد. توجه ویژه ای به نقش محوری ایفای ویژگی ها می شود. استفاده از اصطلاحات تثبیت شده با معرفی مفاهیم جدید و مفید متعادل می شود و خلاصه ای از مطالب پیشینه مربوطه همراه با اشاره گرهایی برای تجدید نظر در صورت لزوم ارائه می شود. این ویژگی ها تضمین می کند که یادگیری ماشین استاندارد جدیدی را به عنوان یک کتاب درسی مقدماتی تعیین می کند.
As one of the most comprehensive machine learning texts around, this book does justice to the field's incredible richness, but without losing sight of the unifying principles. Peter Flach's clear, example-based approach begins by discussing how a spam filter works, which gives an immediate introduction to machine learning in action, with a minimum of technical fuss. Flach provides case studies of increasing complexity and variety with well-chosen examples and illustrations throughout. He covers a wide range of logical, geometric and statistical models and state-of-the-art topics such as matrix factorisation and ROC analysis. Particular attention is paid to the central role played by features. The use of established terminology is balanced with the introduction of new and useful concepts, and summaries of relevant background material are provided with pointers for revision if necessary. These features ensure Machine Learning will set a new standard as an introductory textbook.