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: Jeremy Watt, Reza Borhani, Aggelos Katsaggelos سری: ISBN (شابک) : 1107123526, 9781107123526 ناشر: Cambridge University Press سال نشر: 2016 تعداد صفحات: 0 زبان: English فرمت فایل : AZW3 (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشین اصلاح شده: مبانی، الگوریتم ها و برنامه ها: هوش و معناشناسی، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری، الکترونیک، میکروالکترونیک، اپتوالکترونیک، نیمه هادی ها، حسگرها، حالت جامد، ترانزیستورها، برق و الکترونیک، مهندسی، مهندسی و حمل و نقل، سنسورهای الکترونیکی، پردازش سیگنال مهندسی و حمل و نقل، هوش مصنوعی، علوم کامپیوتر، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی
در صورت تبدیل فایل کتاب Machine Learning Refined: Foundations, Algorithms, and Applications 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 یادگیری ماشین اصلاح شده: مبانی، الگوریتم ها و برنامه ها 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 متن با ارائه یک رویکرد منحصر به فرد به یادگیری ماشین، حاوی توضیحات تازه و شهودی و در عین حال دقیقی از تمام مفاهیم اساسی لازم برای انجام تحقیقات، ساخت محصولات، سرهم بندی و بازی است. این متن با اولویت دادن به شهود هندسی، تفکر الگوریتمی و کاربردهای عملی دنیای واقعی در رشتههایی از جمله بینایی کامپیوتر، پردازش زبان طبیعی، اقتصاد، علوم اعصاب، سیستمهای توصیهگر، فیزیک و زیستشناسی، درک روشنی از مطالب اساسی و همچنین به خوانندگان ارائه میدهد. ابزارهای عملی مورد نیاز برای حل مشکلات دنیای واقعی. با تمرینهای محاسباتی عمیق پایتون و MATLAB/OCTAVE و درمان کامل تکنیکهای بهینهسازی عددی پیشرفته، این یک منبع ضروری برای دانشآموزان و یک مرجع ایدهآل برای محققان و پزشکان شاغل در یادگیری ماشین، علوم کامپیوتر، مهندسی برق است. پردازش سیگنال و بهینه سازی عددی منابع اضافی از جمله موضوعات بحث تکمیلی، نمایش کد و تمرینها را میتوانید در وبسایت رسمی کتاب درسی به نشانی mlrefined.com پیدا کنید.
Providing a unique approach to machine learning, this text contains fresh and intuitive, yet rigorous, descriptions of all fundamental concepts necessary to conduct research, build products, tinker, and play. By prioritizing geometric intuition, algorithmic thinking, and practical real world applications in disciplines including computer vision, natural language processing, economics, neuroscience, recommender systems, physics, and biology, this text provides readers with both a lucid understanding of foundational material as well as the practical tools needed to solve real-world problems. With in-depth Python and MATLAB/OCTAVE-based computational exercises and a complete treatment of cutting edge numerical optimization techniques, this is an essential resource for students and an ideal reference for researchers and practitioners working in machine learning, computer science, electrical engineering, signal processing, and numerical optimization. Additional resources including supplemental discussion topics, code demonstrations, and exercises can be found on the official textbook website at mlrefined.com
1. Introduction
Part I. The Basics: 2. Fundamentals of numerical optimization
3. Knowledge-driven regression
4. Knowledge-driven classification
Part II. Automatic Feature Design: 5. Automatic feature design for regression
6. Automatic feature design for classification
7. Kernels, backpropagation, and regularized cross-validation
Part III. Tools for Large Scale Data: 8. Advanced gradient schemes
9. Dimension reduction techniques
Part IV. Appendices.