توضیحات
A substantially revised fourth edition of a comprehensive textbook, including new coverage of recent advances in deep learning and neural networks.
The goal of machine learning is to program computers to use example data or past experience to solve a given problem. Machine learning underlies such exciting new technologies as self-driving cars, speech recognition, and translation applications. This substantially revised fourth edition of a comprehensive, widely used machine learning textbook offers new coverage of recent advances in the field in both theory and practice, including developments in deep learning and neural networks.
The book covers a broad array of topics not usually included in introductory machine learning texts, including supervised learning, Bayesian decision theory, parametric methods, semiparametric methods, nonparametric methods, multivariate analysis, hidden Markov models, reinforcement learning, kernel machines, graphical models, Bayesian estimation, and statistical testing. The fourth edition offers a new chapter on deep learning that discusses training, regularizing, and structuring deep neural networks such as convolutional and generative adversarial networks; new material in the chapter on reinforcement learning that covers the use of deep networks, the policy gradient methods, and deep reinforcement learning; new material in the chapter on multilayer perceptrons on autoencoders and the word2vec network; and discussion of a popular method of dimensionality reduction, t-SNE. New appendixes offer background material on linear algebra and optimization. End-of-chapter exercises help readers to apply concepts learned. Introduction to Machine Learning can be used in courses for advanced undergraduate and graduate students and as a reference for professionals.
————————————————————–
ترجمه ماشینی :
ویرایش اساسی چهارم از یک کتاب درسی جامع، شامل پوشش جدیدی از پیشرفتهای اخیر در یادگیری عمیق و شبکههای عصبی.
هدف یادگیری ماشین برنامهریزی رایانهها برای استفاده از دادههای نمونه یا تجربه گذشته برای حل یک مشکل معین یادگیری ماشینی زیربنای فناوری های جدید هیجان انگیزی مانند ماشین های خودران، تشخیص گفتار و برنامه های کاربردی ترجمه است. این ویرایش اساسی چهارم از یک کتاب درسی یادگیری ماشینی جامع و پرکاربرد، پوشش جدیدی از پیشرفتهای اخیر در این زمینه در تئوری و عملی، از جمله پیشرفتها در یادگیری عمیق و شبکههای عصبی ارائه میدهد.
< span> این کتاب مجموعه وسیعی از موضوعات را پوشش می دهد که معمولاً در متون یادگیری ماشین مقدماتی گنجانده نمی شوند، از جمله یادگیری نظارت شده، نظریه تصمیم گیری بیزی، روش های پارامتری، روش های نیمه پارامتریک، روش های ناپارامتریک، تحلیل چند متغیره، مدل های پنهان مارکوف، یادگیری تقویتی، ماشین های هسته، گرافیک مدلها، تخمین بیزی و آزمونهای آماری. ویرایش چهارم فصل جدیدی را در مورد یادگیری عمیق ارائه میکند که در آن آموزش، منظم کردن و ساختار شبکههای عصبی عمیق مانند شبکههای متخاصم کانولوشنی و مولد بحث میکند. مطالب جدید در فصل یادگیری تقویتی که استفاده از شبکه های عمیق، روش های گرادیان خط مشی و یادگیری تقویتی عمیق را پوشش می دهد. مطالب جدید در فصل پرسپترون های چندلایه در رمزگذارهای خودکار و شبکه word2vec. و بحث در مورد روش محبوب کاهش ابعاد، t-SNE. ضمیمه های جدید مطالبی را در زمینه جبر خطی و بهینه سازی ارائه می دهند. تمرینات پایان فصل به خوانندگان کمک می کند تا مفاهیم آموخته شده را به کار گیرند. مقدمهای بر یادگیری ماشین میتواند در دورههایی برای دانشجویان پیشرفته در مقطع کارشناسی و کارشناسی ارش
tag : دانلود کتاب مقدمه ای بر یادگیری ماشینی , Download مقدمه ای بر یادگیری ماشینی , دانلود مقدمه ای بر یادگیری ماشینی , Download Introduction to Machine Learning Book , مقدمه ای بر یادگیری ماشینی دانلود , buy مقدمه ای بر یادگیری ماشینی , خرید کتاب مقدمه ای بر یادگیری ماشینی , دانلود کتاب Introduction to Machine Learning , کتاب Introduction to Machine Learning , دانلود Introduction to Machine Learning , خرید Introduction to Machine Learning , خرید کتاب Introduction to Machine Learning ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.