دانلود کتاب Machine Learning: A Bayesian and Optimization Perspective – یادگیری ماشینی: دیدگاه بیزی و بهینه سازی

دسته بندی :
اطلاعات کتاب
  • جلد
  • سری .Net Developers
  • ویرایش 1
  • سال 2015
  • نویسنده (گان) Sergios Theodoridis
  • ناشر Academic Press
  • زبان English
  • تعداد صفحات
  • حجم فایل 18.58MB
  • فرمت فایل pdf
  • شابک 0128015225, 9780128015223
قیمت محصول :

45,000 تومان

با خرید این محصول، 2,250 تومان به کیف پول شما بازگشت داده می‌شود

روند خرید و دریافت کتاب‌ها بدون هیچ اختلالی انجام می‌شود.
تمامی فایل‌ها بر روی سرورهای داخلی میزبانی می‌شوند تا بتوانید به راحتی و در لحظه آن‌ها را دانلود کنید. در صورت بروز هرگونه مشکل یا نیاز به راهنمایی، لطفاً از طریق « صفحه تماس باما» با تیم پشتیبانی در ارتباط باشید.

تمامی کتاب های موجود در وبسایت سای وان به زبان انگلیسی میباشد

توضیحات

This tutorial text gives a unifying perspective on machine learning by covering bothprobabilistic and deterministic approaches -which are based on optimization techniques together with the Bayesian inference approach, whose essence liesin the use of a hierarchy of probabilistic models. The book presents the major machine learning methods as they have been developed in different disciplines, such as statistics, statistical and adaptive signal processing and computer science. Focusing on the physical reasoning behind the mathematics, all the various methods and techniques are explained in depth, supported by examples and problems, giving an invaluable resource to the student and researcher for understanding and applying machine learning concepts.

The book builds carefully from the basic classical methods to the most recent trends, with chapters written to be as self-contained as possible, making the text suitable for different courses: pattern recognition, statistical/adaptive signal processing, statistical/Bayesian learning, as well as short courses on sparse modeling, deep learning, and probabilistic graphical models.

  • All major classical techniques: Mean/Least-Squares regression and filtering, Kalman filtering, stochastic approximation and online learning, Bayesian classification, decision trees, logistic regression and boosting methods.
  • The latest trends: Sparsity, convex analysis and optimization, online distributed algorithms, learning in RKH spaces, Bayesian inference, graphical and hidden Markov models, particle filtering, deep learning, dictionary learning and latent variables modeling.
  • Case studies – protein folding prediction, optical character recognition, text authorship identification, fMRI data analysis, change point detection, hyperspectral image unmixing, target localization, channel equalization and echo cancellation, show how the theory can be applied.
  • MATLAB code for all the main algorithms are available on an accompanying website, enabling the reader to experiment with the code.

————————————————————–

ترجمه ماشینی :

این متن آموزشی با پوشش هر دو رویکرد احتمالی و قطعی – که مبتنی بر تکنیک‌های بهینه‌سازی همراه با رویکرد استنتاج بیزی است، چشم‌انداز واحدی را در مورد یادگیری ماشین ارائه می‌دهد که ماهیت آن در استفاده از سلسله مراتبی از مدل‌های احتمالی نهفته است. این کتاب روش‌های اصلی یادگیری ماشین را که در رشته‌های مختلف مانند آمار، پردازش سیگنال آماری و تطبیقی و علوم کامپیوتر توسعه یافته‌اند، ارائه می‌کند. با تمرکز بر استدلال فیزیکی پشت ریاضیات، تمام روش‌ها و تکنیک‌های مختلف به طور عمیق توضیح داده می‌شوند، با مثال‌ها و مسائل پشتیبانی می‌شوند و منبع ارزشمندی برای درک و به کارگیری مفاهیم یادگیری ماشین به دانش‌آموز و محقق می‌دهند.

این کتاب با دقت از روش‌های کلاسیک پایه تا جدیدترین گرایش‌ها، با فصل‌هایی نوشته شده است که تا حد امکان مستقل باشد، و متن را برای دوره‌های مختلف مناسب می‌سازد: تشخیص الگو، پردازش سیگنال آماری/تطبیقی، یادگیری آماری/بیزی، مانند همچنین دوره های کوتاهی در مورد مدل سازی پراکنده، یادگیری عمیق و مدل های گرافیکی احتمالی.

  • همه تکنیک های کلاسیک اصلی: رگرسیون و فیلتر میانگین/حداقل مربع، فیلتر کالمن، تقریب تصادفی و یادگیری آنلاین، بیزی طبقه بندی، درخت تصمیم، رگرسیون لجستیک و روش های تقویت.
  • آخرین روندها: پراکندگی، تحلیل محدب و بهینه سازی، الگوریتم های توزیع شده آنلاین، یادگیری در فضاهای RKH، استنتاج بیزی، مدل های گرافیکی و پنهان مارکوف، فیلتر ذرات، یادگیری عمیق، یادگیری فرهنگ لغت و مدل‌سازی متغیرهای پنهان.
  • مطالعات موردی – پیش‌بینی تاخوردگی پروتئین، تشخیص نویسه نوری، شناسایی نویسنده متن، تجزیه و تحلیل داده‌های fMRI، تشخیص نقطه تغییر، عدم اختلاط تصویر فراطیفی، محلی‌سازی هدف، یکسان‌سازی کانال و لغو پژواک، نشان می دهد که چگونه می توان تئوری را اعمال کرد.
  • کد متلب برای همه الگوریتم های اصلی در یک وب سایت همراه موجود است و خواننده را قادر می سازد تا کد را آزمایش کند.

 

tag : دانلود کتاب یادگیری ماشینی: دیدگاه بیزی و بهینه سازی , Download یادگیری ماشینی: دیدگاه بیزی و بهینه سازی , دانلود یادگیری ماشینی: دیدگاه بیزی و بهینه سازی , Download Machine Learning: A Bayesian and Optimization Perspective Book , یادگیری ماشینی: دیدگاه بیزی و بهینه سازی دانلود , buy یادگیری ماشینی: دیدگاه بیزی و بهینه سازی , خرید کتاب یادگیری ماشینی: دیدگاه بیزی و بهینه سازی , دانلود کتاب Machine Learning: A Bayesian and Optimization Perspective , کتاب Machine Learning: A Bayesian and Optimization Perspective , دانلود Machine Learning: A Bayesian and Optimization Perspective , خرید Machine Learning: A Bayesian and Optimization Perspective , خرید کتاب Machine Learning: A Bayesian and Optimization Perspective ,

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود کتاب Machine Learning: A Bayesian and Optimization Perspective – یادگیری ماشینی: دیدگاه بیزی و بهینه سازی”