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: احتمال ویرایش: نویسندگان: Adam Prügel-Bennett سری: ISBN (شابک) : 1108480535, 9781108727709 ناشر: Cambridge University Press سال نشر: 2020 تعداد صفحات: 476 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 مگابایت
کلمات کلیدی مربوط به کتاب همراه احتمال برای مهندسی و علوم کامپیوتر: مهندسی: روش های آماری، علوم کامپیوتر: روش های آماری، احتمالات
در صورت تبدیل فایل کتاب The Probability Companion For Engineering And Computer Science 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 همراه احتمال برای مهندسی و علوم کامپیوتر 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.
این راهنمای دوستانه همراهی است که شما برای تبدیل ریاضیات محض به درک و سهولت با مجموعه ای از ابزارهای احتمالی نیاز دارید. این کتاب دید سطح بالایی از احتمال و قوی ترین کاربردهای آن را ارائه می دهد. این با قوانین اولیه احتمال شروع می شود و به سرعت به برخی از پیچیده ترین تکنیک های مدرن در حال استفاده، از جمله فیلترهای کالمن، تکنیک های مونت کارلو، روش های یادگیری ماشین، استنتاج بیزی و فرآیندهای تصادفی پیشرفت می کند. این برگرفته از سی سال تجربه در به کارگیری روشهای احتمالی برای مسائل در علوم محاسباتی و مهندسی است، و مثالهای عملی متعددی نشان میدهد که این تکنیکها کجا در دنیای واقعی استفاده میشوند. موضوعات بحث از تاریخگذاری کربن گرفته تا Wasserstein GAN که یکی از جدیدترین پیشرفتها در یادگیری عمیق است، میباشد. ریاضیات زیربنایی به طور کامل ارائه شده است، اما وضوح بر دقت کامل اولویت دارد، و این متن را به یک منبع مرجع آغازین برای محققان و یک نمای کلی قابل خواندن برای دانش آموزان تبدیل می کند.
This friendly guide is the companion you need to convert pure mathematics into understanding and facility with a host of probabilistic tools. The book provides a high-level view of probability and its most powerful applications. It begins with the basic rules of probability and quickly progresses to some of the most sophisticated modern techniques in use, including Kalman filters, Monte Carlo techniques, machine learning methods, Bayesian inference and stochastic processes. It draws on thirty years of experience in applying probabilistic methods to problems in computational science and engineering, and numerous practical examples illustrate where these techniques are used in the real world. Topics of discussion range from carbon dating to Wasserstein GANs, one of the most recent developments in Deep Learning. The underlying mathematics is presented in full, but clarity takes priority over complete rigour, making this text a starting reference source for researchers and a readable overview for students.
Cover......Page 1
Front Matter ......Page 3
The Probability Companion for Engineering and Computer Science......Page 5
Copyright ......Page 6
Contents ......Page 7
Preface ......Page 13
Nomenclature......Page 15
1 Introduction......Page 19
2 Survey of Distributions......Page 43
3 Monte Carlo......Page 63
4 Discrete Random Variables......Page 77
5 The Normal Distribution......Page 92
6 Handling Experimental Data......Page 128
7 Mathematics of Random Variables......Page 150
8 Bayes......Page 205
9 Entropy......Page 276
10 Collective Behaviour......Page 311
11 Markov Chains......Page 326
12 Stochastic Processes......Page 367
Appendix A. Answers to Exercises......Page 409
Appendix B. Probability Distributions......Page 463
Bibliography ......Page 467
Index......Page 472