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: آمار ریاضی ویرایش: 1 نویسندگان: Pratap Dangeti سری: ناشر: Packt Publishing سال نشر: 2017 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 مگابایت
کلمات کلیدی مربوط به کتاب آمار برای یادگیری ماشین: تکنیک های بررسی مدل های یادگیری تحت نظارت ، بدون نظارت و تقویت با Python و R: مدلسازی و طراحی داده، پایگاههای داده و کلان داده، رایانهها و فناوری، پردازش داده، پایگاههای داده و دادههای بزرگ، رایانهها و فناوری، ریاضی و آمار، نرمافزار، رایانه و فناوری، کسبوکار، برنامههای کاربردی و نرمافزار، رایانهها و فناوری، دستهها، فروشگاه Kindle ,ریاضی و آماری,برنامه های کاربردی و نرم افزار,کامپیوتر و فناوری,دسته ها,فروشگاه کیندل,مدلینگ و طراحی داده,علوم کامپیوتر,کامپیوتر و فناوری,دسته ها,فروشگاه کیندل
در صورت تبدیل فایل کتاب Statistics for Machine Learning: Techniques for exploring supervised, unsupervised, and reinforcement learning models with Python and R 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 آمار برای یادگیری ماشین: تکنیک های بررسی مدل های یادگیری تحت نظارت ، بدون نظارت و تقویت با Python و R 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.
آمار پیچیده در یادگیری ماشینی بسیاری از توسعه دهندگان را نگران می کند. دانستن آمار به شما کمک میکند تا مدلهای یادگیری ماشینی قوی بسازید که برای یک بیان مسئله بهینه شدهاند. این کتاب تمام آنچه را که برای انجام محاسبات آماری پیچیده لازم برای یادگیری ماشین لازم است به شما آموزش می دهد. اطلاعاتی در مورد آمارهای مربوط به یادگیری تحت نظارت، یادگیری بدون نظارت، یادگیری تقویتی و موارد دیگر به دست خواهید آورد. مثال های دنیای واقعی را که جنبه آماری یادگیری ماشین را مورد بحث قرار می دهند را درک کنید و با آن آشنا شوید. همچنین برنامه هایی را برای انجام وظایفی مانند مدل، برازش پارامتر، رگرسیون، طبقه بندی، جمع آوری چگالی و موارد دیگر طراحی خواهید کرد.
در پایان کتاب، به آمارهای مورد نیاز برای یادگیری ماشین و یادگیری ماشین تسلط خواهید داشت. میتواند مهارتهای جدید خود را برای هر نوع مشکل صنعتی به کار گیرد.
Pratap Dangeti راهحلهای یادگیری ماشینی و یادگیری عمیق را برای دادههای ساختاری، تصویری و متنی در TCS، تجزیه و تحلیل و بینش، آزمایشگاه نوآوری در بنگلور توسعه میدهد. او تجربه زیادی در زمینه تجزیه و تحلیل و علم داده کسب کرده است. او مدرک کارشناسی ارشد خود را از IIT بمبئی در رشته مهندسی صنایع و برنامه تحقیقات عملیاتی دریافت کرد. او از علاقه مندان به هوش مصنوعی است. وقتی کار نمی کند، دوست دارد در مورد فناوری های نسل بعدی و روش های نوآورانه مطالعه کند.
Complex statistics in Machine Learning worry a lot of developers. Knowing statistics helps you build strong Machine Learning models that are optimized for a given problem statement. This book will teach you all it takes to perform complex statistical computations required for Machine Learning. You will gain information on statistics behind supervised learning, unsupervised learning, reinforcement learning, and more. Understand the real-world examples that discuss the statistical side of Machine Learning and familiarize yourself with it. You will also design programs for performing tasks such as model, parameter fitting, regression, classification, density collection, and more.
By the end of the book, you will have mastered the required statistics for Machine Learning and will be able to apply your new skills to any sort of industry problem.
Pratap Dangeti develops machine learning and deep learning solutions for structured, image, and text data at TCS, analytics and insights, innovation lab in Bangalore. He has acquired a lot of experience in both analytics and data science. He received his master's degree from IIT Bombay in its industrial engineering and operations research program. He is an artificial intelligence enthusiast. When not working, he likes to read about next-gen technologies and innovative methodologies.