توضیحات
Machine Learning: Theory and Practice provides an introduction to the most popular methods in machine learning. The book covers regression including regularization, tree-based methods including Random Forests and Boosted Trees, Artificial Neural Networks including Convolutional Neural Networks (CNNs), reinforcement learning, and unsupervised learning focused on clustering. Topics are introduced in a conceptual manner along with necessary mathematical details. The explanations are lucid, illustrated with figures and examples. For each machine learning method discussed, the book presents appropriate libraries in the R programming language along with programming examples.
Features:
- Provides an easy-to-read presentation of commonly used machine learning algorithms in a manner suitable for advanced undergraduate or beginning graduate students, and mathematically and/or programming-oriented individuals who want to learn machine learning on their own.
- Covers mathematical details of the machine learning algorithms discussed to ensure firm understanding, enabling further exploration
- Presents worked out suitable programming examples, thus ensuring conceptual, theoretical and practical understanding of the machine learning methods.
This book is aimed primarily at introducing essential topics in Machine Learning to advanced undergraduates and beginning graduate students. The number of topics has been kept deliberately small so that it can all be covered in a semester or a quarter. The topics are covered in depth, within limits of what can be taught in a short period of time. Thus, the book can provide foundations that will empower a student to read advanced books and research papers.
————————————————————–
ترجمه ماشینی :
یادگیری ماشین: تئوری و عمل مقدمه ای بر محبوب ترین روش ها در یادگیری ماشینی ارائه می دهد. این کتاب رگرسیون شامل منظمسازی، روشهای مبتنی بر درخت از جمله جنگلهای تصادفی و درختان تقویتشده، شبکههای عصبی مصنوعی از جمله شبکههای عصبی کانولوشنال (CNN)، یادگیری تقویتی، و یادگیری بدون نظارت متمرکز بر خوشهبندی را پوشش میدهد. موضوعات به صورت مفهومی همراه با جزئیات ریاضی لازم معرفی می شوند. توضیحات واضح هستند، با شکل ها و مثال ها نشان داده شده اند. برای هر روش یادگیری ماشینی که مورد بحث قرار گرفت، کتاب کتابخانههای مناسبی را به زبان برنامهنویسی R به همراه مثالهای برنامهنویسی ارائه میکند.
ویژگی ها:
- ارائهای آسان برای خواندن الگوریتمهای یادگیری ماشینی که معمولاً مورد استفاده قرار میگیرند، به شیوهای مناسب برای دانشجویان پیشرفته کارشناسی یا فارغالتحصیلان مبتدی، و افراد ریاضی و/یا برنامهگرا که میخواهند یادگیری ماشین را خودشان یاد بگیرند.<. /span>
- جزئیات ریاضی الگوریتمهای یادگیری ماشینی را پوشش میدهد که برای اطمینان از درک دقیق مورد بحث قرار گرفته و امکان کاوش بیشتر را فراهم میکند
- نمونههای برنامهنویسی مناسب ارائه میشود، بنابراین درک مفهومی، نظری و عملی ماشین را تضمین میکند. روشهای یادگیری.
این کتاب عمدتاً با هدف معرفی موضوعات ضروری در یادگیری ماشین به دانشجویان پیشرفته و دانشجویان مقطع کارشناسی ارشد است. تعداد مباحث عمداً کم نگه داشته شده است تا بتوان همه آنها را در یک ترم یا یک چهارم پوشش داد. موضوعات به طور عمیق پوشش داده شده است، در
tag : دانلود کتاب یادگیری ماشینی: تئوری و عمل , Download یادگیری ماشینی: تئوری و عمل , دانلود یادگیری ماشینی: تئوری و عمل , Download Machine Learning: Theory and Practice Book , یادگیری ماشینی: تئوری و عمل دانلود , buy یادگیری ماشینی: تئوری و عمل , خرید کتاب یادگیری ماشینی: تئوری و عمل , دانلود کتاب Machine Learning: Theory and Practice , کتاب Machine Learning: Theory and Practice , دانلود Machine Learning: Theory and Practice , خرید Machine Learning: Theory and Practice , خرید کتاب Machine Learning: Theory and Practice ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.