توضیحات
Connecting theory with practice, this systematic and rigorous introduction covers the fundamental principles, algorithms and applications of key mathematical models for high-dimensional data analysis. Comprehensive in its approach, it provides unified coverage of many different low-dimensional models and analytical techniques, including sparse and low-rank models, and both convex and non-convex formulations. Readers will learn how to develop efficient and scalable algorithms for solving real-world problems, supported by numerous examples and exercises throughout, and how to use the computational tools learnt in several application contexts. Applications presented include scientific imaging, communication, face recognition, 3D vision, and deep networks for classification. With code available online, this is an ideal textbook for senior and graduate students in computer science, data science, and electrical engineering, as well as for those taking courses on sparsity, low-dimensional structures, and high-dimensional data. Foreword by Emmanuel Cands.
Bridges the gap between principles and applications of low-dimensional models for high-dimensional data analysis
Covers a wide range of application areas
Accompanied online by code
Foreword by Emmanuel Cands
————————————————————–
ترجمه ماشینی :
این مقدمه سیستماتیک و دقیق که نظریه را با عمل مرتبط می کند، اصول اساسی، الگوریتم ها و کاربردهای مدل های ریاضی کلیدی برای تجزیه و تحلیل داده های با ابعاد بالا را پوشش می دهد. در رویکرد خود جامع، پوشش یکپارچه ای از بسیاری از مدل های مختلف با ابعاد پایین و تکنیک های تحلیلی، از جمله مدل های پراکنده و با رتبه پایین، و فرمول های محدب و غیر محدب را ارائه می دهد. خوانندگان یاد خواهند گرفت که چگونه الگوریتمهای کارآمد و مقیاسپذیر را برای حل مسائل دنیای واقعی، با مثالها و تمرینهای متعدد در سراسر جهان، و نحوه استفاده از ابزارهای محاسباتی آموختهشده در چندین زمینه کاربردی، توسعه دهند. برنامه های کاربردی ارائه شده شامل تصویربرداری علمی، ارتباطات، تشخیص چهره، دید سه بعدی و شبکه های عمیق برای طبقه بندی است. با کد موجود به صورت آنلاین، این یک کتاب درسی ایدهآل برای دانشجویان ارشد و فارغالتحصیل در رشتههای علوم کامپیوتر، علوم داده، و مهندسی برق، و همچنین برای کسانی است که دروسی در مورد پراکندگی، ساختارهای کمبعد و دادههای با ابعاد بالا میگذرانند. پیشگفتار امانوئل کندز. شکاف بین اصول و کاربردهای مدلهای کمبعد برای تجزیه و تحلیل دادههای با ابعاد بالا را پر میکند طیف گستردهای از حوزههای کاربردی را پوشش میدهد همراه آنلاین با کد پیشگفتار توسط Emmanuel Cands
tag : دانلود کتاب تجزیه و تحلیل داده های با ابعاد بالا با مدل های کم بعدی , Download تجزیه و تحلیل داده های با ابعاد بالا با مدل های کم بعدی , دانلود تجزیه و تحلیل داده های با ابعاد بالا با مدل های کم بعدی , Download High-Dimensional Data Analysis with Low-Dimensional Models Book , تجزیه و تحلیل داده های با ابعاد بالا با مدل های کم بعدی دانلود , buy تجزیه و تحلیل داده های با ابعاد بالا با مدل های کم بعدی , خرید کتاب تجزیه و تحلیل داده های با ابعاد بالا با مدل های کم بعدی , دانلود کتاب High-Dimensional Data Analysis with Low-Dimensional Models , کتاب High-Dimensional Data Analysis with Low-Dimensional Models , دانلود High-Dimensional Data Analysis with Low-Dimensional Models , خرید High-Dimensional Data Analysis with Low-Dimensional Models , خرید کتاب High-Dimensional Data Analysis with Low-Dimensional Models ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.