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: Manjusha Pandey, Siddharth Swarup Rautaray سری: ISBN (شابک) : 9789813365186 ناشر: Springer Singapore سال نشر: 2021 تعداد صفحات: زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 22 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Machine Learning: Theoretical Foundations and Practical Applications 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 ماشینی: مبانی نظری و کاربردهای عملی 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 ویرایش شده مجموعه ای از فصول است که توسط متخصصان در دهمین سمپوزیوم صنعت که در طول تاریخ 9 تا 12 ژانویه 2020 همراه با شانزدهمین ویرایش ICDCIT برگزار شد، دعوت و ارائه شده است. این کتاب موضوعاتی مانند یادگیری ماشینی و کاربردهای آن، یادگیری آماری، یادگیری شبکه عصبی، کسب دانش و یادگیری، یادگیری فشرده دانش، یادگیری ماشینی و بازیابی اطلاعات، یادگیری ماشینی برای ناوبری وب و کاوی، یادگیری از طریق داده کاوی موبایل، متن و کاوی چند رسانه ای از طریق یادگیری ماشینی، الگوریتم ها و کاربردهای یادگیری توزیع شده و موازی، استخراج و طبقه بندی ویژگی ها، نظریه ها و مدل هایی برای استدلال منطقی، نظریه یادگیری محاسباتی، مدل سازی شناختی و الگوریتم های یادگیری ترکیبی.
This edited book is a collection of chapters invited and presented by experts at 10th industry symposium held during 9–12 January 2020 in conjunction with 16th edition of ICDCIT. The book covers topics, like machine learning and its applications, statistical learning, neural network learning, knowledge acquisition and learning, knowledge intensive learning, machine learning and information retrieval, machine learning for web navigation and mining, learning through mobile data mining, text and multimedia mining through machine learning, distributed and parallel learning algorithms and applications, feature extraction and classification, theories and models for plausible reasoning, computational learning theory, cognitive modelling and hybrid learning algorithms.