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: برنامه نويسي ویرایش: نویسندگان: Ted Dunning. Ellen Friedman سری: ISBN (شابک) : 9781491904084 ناشر: O’Reilly Media سال نشر: 2014 تعداد صفحات: 66 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 21 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری عملی ماشین: نگاهی جدید به تشخیص ناهنجاری: یادگیری ماشین، داده کاوی، تقلب، ناهنجاری
در صورت تبدیل فایل کتاب Practical Machine Learning: A New Look at Anomaly Detection 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 عملی ماشین: نگاهی جدید به تشخیص ناهنجاری 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.
تشخیص ناهنجاری کارآگاهی یادگیری ماشینی است: یافتن موارد غیرعادی، کشف کلاهبرداری، کشف فعالیت های عجیب در مجموعه داده های بزرگ و پیچیده. اما، بر خلاف شرلوک هلمز، شما ممکن است ندانید که معما چیست، حتی بیشتر از اینکه به دنبال چه «مظنونین» هستید. این گزارش O’Reilly از مثالهای عملی برای توضیح نحوه عملکرد مفاهیم اساسی تشخیص ناهنجاری استفاده میکند. از امنیت بانکی گرفته تا علوم طبیعی، پزشکی و بازاریابی، تشخیص ناهنجاری در این عصر داده های بزرگ کاربردهای مفید بسیاری دارد. و جستجو برای ناهنجاری ها زمانی تشدید می شود که اینترنت اشیا انواع بیشتری از داده ها را تولید کند. مفاهیم توصیف شده در این گزارش به شما کمک می کند تا با تشخیص ناهنجاری در پروژه خود مقابله کنید.
Anomaly detection is the detective work of machine learning: finding the unusual, catching the fraud, discovering strange activity in large and complex datasets. But, unlike Sherlock Holmes, you may not know what the puzzle is, much less what “suspects” you’re looking for. This O’Reilly report uses practical examples to explain how the underlying concepts of anomaly detection work. From banking security to natural sciences, medicine, and marketing, anomaly detection has many useful applications in this age of big data. And the search for anomalies will intensify once the Internet of Things spawns even more new types of data. The concepts described in this report will help you tackle anomaly detection in your own project.