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: 1
نویسندگان: M. E. Müller
سری:
ISBN (شابک) : 0521190215, 9780521899925
ناشر: Cambridge University Press
سال نشر: 2012
تعداد صفحات: 280
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب کشف دانش رابطه ای: پایگاههای اطلاعاتی دسترسی به دادههای بزرگ مدلسازی طراحی پردازش انبارداری MySQL Oracle دیگر SQL ارتباطی کامپیوترهای فناوری مرجع سالنامهها کتابهای سال اطلس نقشههای شغلی فهرستها فهرستهای راهنمای مصرفکننده واژهنامهها واژهنامهها دایرهالمعارفها موضوع انگلیسی بهعنوان یک زبان دوم آداب و رسوم پیشآزمون مطالعه خارجی آزمونها علوم ریاضی علوم کشاورزی باستان شناسی نجوم رفتار فضایی
در صورت تبدیل فایل کتاب Relational Knowledge Discovery 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 کشف دانش رابطه ای 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.
دانش چیست و چگونه بازنمایی می شود؟ این کتاب بر ایده رسمی کردن دانش به عنوان روابط، تفسیر دانش ارائه شده در پایگاه های داده یا برنامه های منطقی به عنوان داده های رابطه ای و کشف دانش جدید با شناسایی و تعریف روابط جدید متمرکز است. نویسنده پس از مقدمهای کوتاه بر مسائل بازنمایی، زبان رابطهای را برای مسائل یادگیری ماشینی انتزاعی ایجاد میکند. او سپس از این زبان برای بحث در مورد روشهای سنتی مانند خوشهبندی و القای درخت تصمیم استفاده میکند، قبل از اینکه به دو موضوعی که قبلاً دستکمگرفتهشدهاند و بهتازگی مطرح شدهاند، بپردازد: تجزیه و تحلیل دادههای مجموعهای خشن و برنامهنویسی منطق استقرایی. ارائه واضح و دقیق آن برای دانشجویان علوم کامپیوتر در مقطع کارشناسی ایده آل است. این کتاب همچنین برای کسانی که هوش مصنوعی یا یادگیری ماشینی را در مقطع کارشناسی ارشد مطالعه می کنند، جالب خواهد بود. تمرینها ارائه شدهاند و هر مفهوم با استفاده از همان دامنه مثال معرفی میشود و مقایسه ویژگیهای فردی رویکردهای مختلف را آسانتر میکند.
What is knowledge and how is it represented? This book focuses on the idea of formalising knowledge as relations, interpreting knowledge represented in databases or logic programs as relational data and discovering new knowledge by identifying hidden and defining new relations. After a brief introduction to representational issues, the author develops a relational language for abstract machine learning problems. He then uses this language to discuss traditional methods such as clustering and decision tree induction, before moving onto two previously underestimated topics that are just coming to the fore: rough set data analysis and inductive logic programming. Its clear and precise presentation is ideal for undergraduate computer science students. The book will also interest those who study artificial intelligence or machine learning at the graduate level. Exercises are provided and each concept is introduced using the same example domain, making it easier to compare the individual properties of different approaches.