MATLAB Machine Learning Recipes: A Problem-Solution Approach

از قدرت MATLAB برای حل طیف وسیعی از چالش های یادگیری ماشین استفاده کنید. این کتاب مجموعه‌ای از نمونه‌هایی از فناوری‌های حیاتی برای یادگیری ماشین را ارائه می‌دهد. هر مثال یک مشکل دنیای واقعی را حل می کند. همه کدهای دستورالعمل‌های یادگیری ماشین متلب: رویکرد حل مشکل قابل اجرا هستند. جعبه ابزاری که کد از آن استفاده می کند مجموعه کاملی از توابع مورد نیاز برای پیاده سازی تمام جنبه های یادگیری ماشین را ارائه می دهد. نویسندگان Michael Paluszek و Stephanie Thomas نشان می‌دهند که چگونه همه این فناوری‌ها به خواننده اجازه می‌دهند تا برنامه‌های کاربردی پیچیده‌ای را برای حل مشکلات مربوط به تشخیص الگو، رانندگی مستقل، سیستم‌های خبره و موارد دیگر بسازد.
آنچه یاد خواهید گرفت:
نحوه نوشتن کد برای یادگیری ماشین، کنترل تطبیقی ​​و تخمین با استفاده از MATLAB

این سه حوزه چگونه یکدیگر را تکمیل می کنند

چگونه این سه حوزه برای برنامه‌های یادگیری ماشینی قوی مورد نیاز است

نحوه استفاده از گرافیک متلب و ابزارهای تجسم برای یادگیری ماشین

نحوه کدنویسی نمونه‌های دنیای واقعی در MATLAB برای رشته‌های اصلی کاربردهای یادگیری ماشین در داده های بزرگ
این کتاب برای چه کسانی است: مخاطبان اصلی مهندسان، دانشمندان داده و دانش آموزانی هستند که خواهان یک کتاب آشپزی جامع و کد غنی از مثال هایی در مورد یادگیری ماشین با استفاده از MATLAB هستند.

Harness the power of MATLAB to resolve a wide range of machine learning challenges. This book provides a series of examples of technologies critical to machine learning. Each example solves a real-world problem. All code in MATLAB Machine Learning Recipes: A Problem-Solution Approach is executable. The toolbox that the code uses provides a complete set of functions needed to implement all aspects of machine learning. Authors Michael Paluszek and Stephanie Thomas show how all of these technologies allow the reader to build sophisticated applications to solve problems with pattern recognition, autonomous driving, expert systems, and much more.
What you'll learn:
How to write code for machine learning, adaptive control and estimation using MATLAB

How these three areas complement each other

How these three areas are needed for robust machine learning applications

How to use MATLAB graphics and visualization tools for machine learning

How to code real world examples in MATLAB for major applications of machine learning in big data
Who is this book for: The primary audiences are engineers, data scientists and students wanting a comprehensive and code cookbook rich in examples on machine learning using MATLAB.