Probability in Electrical Engineering and Computer Science: An Application-Driven Course

این کتاب درسی اصلاح‌شده، تکنیک‌های احتمال کاربردی را توسط برنامه‌های کاربردی در مهندسی برق و علوم کامپیوتر (EECS) انگیزه و نشان می‌دهد. نویسنده سیستم‌های پردازش اطلاعات و ارتباطی را ارائه می‌کند که از الگوریتم‌های مبتنی بر مدل‌ها و تکنیک‌های احتمالی، از جمله جستجوهای وب، لینک‌های دیجیتال، تشخیص گفتار، GPS، برنامه‌ریزی مسیر، سیستم‌های توصیه، طبقه‌بندی و تخمین استفاده می‌کنند. او سپس نحوه عملکرد این برنامه ها را توضیح می دهد و در طول مسیر، درک مفاهیم کلیدی و روش های احتمال کاربردی را در اختیار خوانندگان قرار می دهد. آزمایشگاه‌های پایتون خوانندگان را قادر می‌سازد تا درک خود را آزمایش کرده و تثبیت کنند. این کتاب شامل تکالیف، راه حل ها و دفترچه های ژوپیتر است. این نسخه شامل موضوعات جدیدی مانند تقویت، راهزنان چند مسلح، تست های آماری، شبکه های اجتماعی، شبکه های صف و شبکه های عصبی است. برای موارد جانبی مربوط به این کتاب، از جمله نمونه‌هایی از نسخه‌های نمایشی پایتون و همچنین آزمایشگاه‌های پایتون مورد استفاده در برکلی، لطفاً به مری جیمز به نشانی mary.james@springer.com ایمیل بزنید.

این یک کتاب با دسترسی آزاد است.

This revised textbook motivates and illustrates the techniques of applied probability by applications in electrical engineering and computer science (EECS). The author presents information processing and communication systems that use algorithms based on probabilistic models and techniques, including web searches, digital links, speech recognition, GPS, route planning, recommendation systems, classification, and estimation. He then explains how these applications work and, along the way, provides the readers with the understanding of the key concepts and methods of applied probability. Python labs enable the readers to experiment and consolidate their understanding. The book includes homework, solutions, and Jupyter notebooks. This edition includes new topics such as Boosting, Multi-armed bandits, statistical tests, social networks, queuing networks, and neural networks. For ancillaries related to this book, including examples of Python demos and also Python labs used in Berkeley, please email Mary James at mary.james@springer.com.

This is an open access book.