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: 1
نویسندگان: Michael Paluszek. Stephanie Thomas (auth.)
سری:
ISBN (شابک) : 9781484222492, 9781484222508
ناشر: Apress
سال نشر: 2017
تعداد صفحات: 335
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشین متلب: روشهای محاسباتی، زبانهای برنامهنویسی، کامپایلرها، مترجمان، تکنیکهای برنامهنویسی
در صورت تبدیل فایل کتاب MATLAB Machine Learning 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 متلب 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 یک راهنمای جامع برای یادگیری ماشین با مثال های کار
شده در متلب است. با مروری بر تاریخچه هوش مصنوعی و کنترل
خودکار و چگونگی رشد حوزه یادگیری ماشینی از اینها شروع می شود.
این کتاب توضیحاتی را در مورد تمام حوزههای اصلی در یادگیری
ماشین ارائه میکند.
این کتاب بستههای تجاری موجود برای یادگیری ماشین را بررسی
میکند و نشان میدهد که چگونه آنها در این زمینه قرار
میگیرند. سپس این کتاب نشان میدهد که چگونه میتوان از MATLAB
برای حل مشکلات یادگیری ماشین استفاده کرد و چگونه گرافیک
MATLAB میتواند درک برنامهنویس از نتایج را افزایش دهد و به
کاربران نرمافزارشان کمک کند تا نتایج را درک کنند.
یادگیری ماشین میتواند بسیار ریاضی باشد. ریاضیات برای هر
منطقه به شکل واضح و مختصر معرفی شده است تا حتی خوانندگان
معمولی بتوانند ریاضیات را درک کنند. خوانندگان از تمام حوزه
های مهندسی، ارتباط با آنچه می دانند و فناوری جدید را خواهند
آموخت.
این کتاب سپس راه حل های کاملی را در MATLAB برای چندین مشکل
مهم در یادگیری ماشین از جمله شناسایی چهره، رانندگی خودکار، و
طبقه بندی داده ها ارائه می دهد. کد منبع کامل برای همه مثالها
و کاربردهای کتاب ارائه شده است.
آنچه یاد خواهید گرفت:
This book is a comprehensive guide to machine learning with
worked examples in MATLAB. It starts with an overview of the
history of Artificial Intelligence and automatic control and
how the field of machine learning grew from these. It
provides descriptions of all major areas in machine
learning.
The book reviews commercially available packages for machine
learning and shows how they fit into the field. The book then
shows how MATLAB can be used to solve machine learning
problems and how MATLAB graphics can enhance the programmer’s
understanding of the results and help users of their software
grasp the results.
Machine Learning can be very mathematical. The mathematics
for each area is introduced in a clear and concise form so
that even casual readers can understand the math. Readers
from all areas of engineering will see connections to what
they know and will learn new technology.
The book then provides complete solutions in MATLAB for
several important problems in machine learning including face
identification, autonomous driving, and data classification.
Full source code is provided for all of the examples and
applications in the book.
What you'll learn:
Front Matter....Pages I-XIX
Front Matter....Pages 1-1
An Overview of Machine Learning....Pages 3-15
The History of Autonomous Learning....Pages 17-23
Software for Machine Learning....Pages 25-31
Front Matter....Pages 33-33
Representation of Data for Machine Learning in MATLAB....Pages 35-48
MATLAB Graphics....Pages 49-84
Machine Learning Examples in MATLAB....Pages 85-88
Face Recognition with Deep Learning....Pages 89-112
Data Classification....Pages 113-141
Classification of Numbers Using Neural Networks....Pages 143-167
Kalman Filters....Pages 169-205
Adaptive Control....Pages 207-268
Autonomous Driving....Pages 269-322
Back Matter....Pages 323-326