توضیحات
This textbook offers a comprehensive introduction to Machine Learning techniques and algorithms. This Third Edition covers newer approaches that have become highly topical, including deep learning, and auto-encoding, introductory information about temporal learning and hidden Markov models, and a much more detailed treatment of reinforcement learning. The book is written in an easy-to-understand manner with many examples and pictures, and with a lot of practical advice and discussions of simple applications.
The main topics include Bayesian classifiers, nearest-neighbor classifiers, linear and polynomial classifiers, decision trees, rule-induction programs, artificial neural networks, support vector machines, boosting algorithms, unsupervised learning (including Kohonen networks and auto-encoding), deep learning, reinforcement learning, temporal learning (including long short-term memory), hidden Markov models, and the genetic algorithm. Special attention is devoted to performance evaluation, statistical assessment, and to many practical issues ranging from feature selection and feature construction to bias, context, multi-label domains, and the problem of imbalanced classes.
————————————————————–
ترجمه ماشینی :
این کتاب درسی مقدمه ای جامع بر تکنیک ها و الگوریتم های یادگیری ماشین ارائه می دهد. این ویرایش سوم رویکردهای جدیدتری را پوشش میدهد که بسیار موضوعی شدهاند، از جمله یادگیری عمیق، و رمزگذاری خودکار، اطلاعات مقدماتی در مورد یادگیری زمانیو مدل های پنهان مارکوف، و درمان بسیار دقیق تر یادگیری تقویتی. این کتاب به روشی آسان و قابل درک با مثال ها و تصاویر فراوان و با توصیه های عملی و بحث های کاربردی بسیار ساده نوشته شده است.
عناوین اصلی شامل طبقه بندی کننده های بیزی، طبقه بندی کننده های نزدیکترین همسایه، طبقهبندیکنندههای خطی و چندجملهای، درختهای تصمیم، برنامههای القاء قانون، شبکههای عصبی مصنوعی، ماشینهای بردار پشتیبان، الگوریتمهای تقویتکننده، یادگیری بدون نظارت (شامل شبکههای کوهونن و رمزگذاری خودکار)، یادگیری عمیق، یادگیری تقویتی، یادگیری زمانی (از جمله کوتاهمدت طولانی) حافظه)، مدلهای پنهان مارکوف و الگوریتم ژنتیک. توجه ویژه ای به ارزیابی عملکرد، ارزیابی آماری و بسیاری از مسائل کاربردی از انتخاب ویژگی و ساخت ویژگی گرفته تا سوگیری، زمینه، حوزه های چند برچسبی و مشکل کلاس های نامتعادل اختصاص داده شده است.
tag : دانلود کتاب مقدمه ای بر یادگیری ماشین , Download مقدمه ای بر یادگیری ماشین , دانلود مقدمه ای بر یادگیری ماشین , Download An Introduction to Machine Learning Book , مقدمه ای بر یادگیری ماشین دانلود , buy مقدمه ای بر یادگیری ماشین , خرید کتاب مقدمه ای بر یادگیری ماشین , دانلود کتاب An Introduction to Machine Learning , کتاب An Introduction to Machine Learning , دانلود An Introduction to Machine Learning , خرید An Introduction to Machine Learning , خرید کتاب An Introduction to Machine Learning ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.