ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Practicing Trustworthy Machine Learning (Second Early Release)

دانلود کتاب تمرین یادگیری ماشینی قابل اعتماد (نسخه اولیه دوم)

Practicing Trustworthy Machine Learning (Second Early Release)

مشخصات کتاب

Practicing Trustworthy Machine Learning (Second Early Release)

ویرایش: 1 
نویسندگان: , ,   
سری:  
ISBN (شابک) : 9781098120269 
ناشر:  
سال نشر: 2023 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 47 مگابایت

قیمت کتاب (تومان) : 59,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 2


در صورت تبدیل فایل کتاب Practicing Trustworthy Machine Learning (Second Early Release) 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 تمرین یادگیری ماشینی قابل اعتماد (نسخه اولیه دوم) 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.


توضیحاتی در مورد کتاب تمرین یادگیری ماشینی قابل اعتماد (نسخه اولیه دوم)

با افزایش استفاده از هوش مصنوعی در حوزه‌های پرمخاطره مانند پزشکی، حقوق و دفاع، سازمان‌ها زمان و هزینه زیادی را صرف می‌کنند تا مدل‌های ML قابل اعتماد شوند. بسیاری از کتاب‌ها در این زمینه به بررسی نظریه‌ها و مفاهیم می‌پردازند. این راهنما یک نقطه شروع عملی برای کمک به تیم‌های توسعه برای تولید مدل‌هایی ارائه می‌کند که ایمن، قوی‌تر، کمتر تعصب‌پذیر و قابل توضیح‌تر هستند.


توضیحاتی درمورد کتاب به خارجی

With the increasing use of AI in high-stakes domains such as medicine, law, and defense, organizations spend a lot of time and money to make ML models trustworthy. Many books on the subject offer deep dives into theories and concepts. This guide provides a practical starting point to help development teams produce models that are secure, more robust, less biased, and more explainable.





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی