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: Avi Pfeffer. Stuart Russell
سری:
ISBN (شابک) : 9781617292330
ناشر: Manning
سال نشر: 2016
تعداد صفحات: 458
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Practical Probabilistic Programming 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 برنامه ریزی احتمالی 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.
برنامه نویسی احتمالی عملی، برنامه نویس فعال را با برنامه ریزی احتمالی آشنا می کند. در این کتاب، شما بلافاصله بر روی نمونه های عملی مانند ساخت فیلتر هرزنامه، تشخیص مشکلات داده های سیستم کامپیوتری و بازیابی تصاویر دیجیتال کار خواهید کرد. استنتاج احتمالی را کشف خواهید کرد، جایی که الگوریتم ها به پیش بینی های گسترده در مورد مسائلی مانند استفاده از رسانه های اجتماعی کمک می کنند. در طول مسیر، یاد خواهید گرفت که از برنامهنویسی به سبک عملکردی برای تجزیه و تحلیل متن، مدلهای شیگرا برای پیشبینی پدیدههای اجتماعی مانند انتشار توییتها و مدلهای جهان باز برای سنجش میزان استفاده از رسانههای اجتماعی در زندگی واقعی استفاده کنید. این کتاب همچنین دارای فصول در مورد اینکه چگونه مدل های احتمالی می توانند در تصمیم گیری و مدل سازی سیستم های پویا کمک کنند.
Practical Probabilistic Programming introduces the working programmer to probabilistic programming. In this book, you'll immediately work on practical examples like building a spam filter, diagnosing computer system data problems, and recovering digital images. You'll discover probabilistic inference, where algorithms help make extended predictions about issues like social media usage. Along the way, you'll learn to use functional-style programming for text analysis, object-oriented models to predict social phenomena like the spread of tweets, and open universe models to gauge real-life social media usage. The book also has chapters on how probabilistic models can help in decision making and modeling of dynamic systems.