دانلود کتاب Machine Learning – فراگیری ماشین

توضیحات

Machine Learning, a vital and core area of artificial intelligence (AI), is propelling the AI field ever further and making it one of the most compelling areas of computer science research. This textbook offers a comprehensive and unbiased introduction to almost all aspects of machine learning, from the fundamentals to advanced topics. It consists of 16 chapters divided into three parts: Part 1 (Chapters 1-3) introduces the fundamentals of machine learning, including terminology, basic principles, evaluation, and linear models; Part 2 (Chapters 4-10) presents classic and commonly used machine learning methods, such as decision trees, neural networks, support vector machines, Bayesian classifiers, ensemble methods, clustering, dimension reduction and metric learning; Part 3 (Chapters 11-16) introduces some advanced topics, covering feature selection and sparse learning, computational learning theory, semi-supervised learning, probabilistic graphical models, rule learning, and reinforcement learning. Each chapter includes exercises and further reading, so that readers can explore areas of interest.

The book can be used as an undergraduate or postgraduate textbook for computer science, computer engineering, electrical engineering, data science, and related majors. It is also a useful reference resource for researchers and practitioners of machine learning.

————————————————————–

ترجمه ماشینی :

آموزش ماشین، حوزه حیاتی و اصلی هوش مصنوعی (AI)، زمینه هوش مصنوعی را بیش از پیش پیش می برد و آن را به یکی از جذاب ترین حوزه های تحقیقات علوم کامپیوتر تبدیل می کند. این کتاب درسی مقدمه‌ای جامع و بی‌طرفانه برای تقریباً تمام جنبه‌های یادگیری ماشین، از مبانی تا موضوعات پیشرفته، ارائه می‌دهد. این شامل 16 فصل است که به سه بخش تقسیم می شود: بخش 1 (فصل 1-3) اصول یادگیری ماشین را معرفی می کند، از جمله اصطلاحات، اصول اولیه، ارزیابی و مدل های خطی. بخش 2 (فصل 4-10) روش‌های یادگیری ماشینی کلاسیک و رایج را ارائه می‌کند، مانند درخت تصمیم، شبکه‌های عصبی، ماشین‌های بردار پشتیبان، طبقه‌بندی‌کننده‌های بیزی، روش‌های مجموعه، خوشه‌بندی، کاهش ابعاد و یادگیری متریک. بخش 3 (فصل 11-16) برخی از موضوعات پیشرفته را معرفی می کند که شامل انتخاب ویژگی و یادگیری پراکنده، نظریه یادگیری محاسباتی، یادگیری نیمه نظارت شده، مدل های گرافیکی احتمالی، یادگیری قوانین، و یادگیری تقویتی می شود. هر فصل شامل تمرین ها و خواندن بیشتر است، به طوری که خوانندگان می توانند زمینه های مورد علاقه را کشف کنند.

این کتاب می تواند به عنوان یک کتاب درسی در مقطع کارشناسی یا کارشناسی ارشد برای علوم کامپیوتر، مهندسی کامپیوتر، مهندسی برق، علوم داده و گرایش های مرتبط مورد استفاده قرار گیرد. همچنین یک منبع مرجع مفید برای محققان و شاغلین یادگیری ماشین است.

tag : دانلود کتاب فراگیری ماشین , Download فراگیری ماشین , دانلود فراگیری ماشین , Download Machine Learning Book , فراگیری ماشین دانلود , buy فراگیری ماشین , خرید کتاب فراگیری ماشین , دانلود کتاب Machine Learning , کتاب Machine Learning , دانلود Machine Learning , خرید Machine Learning , خرید کتاب Machine Learning ,