دانلود کتاب Machine Learning for Adaptive Many-Core Machines – A Practical Approach – یادگیری ماشین برای ماشین های سازگار با هسته های سازگار – یک رویکرد عملی

دسته بندی :
اطلاعات کتاب
  • جلد
  • سری Studies in Big Data 7
  • ویرایش
  • سال 2015
  • نویسنده (گان) Lopes, Noel;Ribeiro, Bernardete
  • ناشر Springer International Publishing
  • زبان English
  • تعداد صفحات 251
  • حجم فایل 20.99MB
  • فرمت فایل pdf
  • شابک 9783319069371, 9783319069388, 3319069381
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

The overwhelming data produced everyday and the increasing performance and cost requirements of applications is transversal to a wide range of activities in society, from science to industry. In particular, the magnitude and complexity of the tasks that Machine Learning (ML) algorithms have to solve are driving the need to devise adaptive many-core machines that scale well with the volume of data, or in other words, can handle Big Data. This book gives a concise view on how to extend the applicability of well-known ML algorithms in Graphics Processing Unit (GPU) with data scalability in mind. It presents a series of new techniques to enhance, scale and distribute data in a Big Learning framework. It is not intended to be a comprehensive survey of the state of the art of the whole field of machine learning for Big Data. Its purpose is less ambitious and more practical: to explain and illustrate existing and novel GPU-based ML algorithms, not viewed as a universal solution for the Big Data challenges but rather as part of the answer, which may require the use of different strategies coupled together.;Introduction — Supervised Learning — Unsupervised and Semi-supervised Learning — Large-Scale Machine Learning.

————————————————————–

ترجمه ماشینی :

داده های قریب به اتفاق تولید شده هر روز و افزایش عملکرد و نیاز به هزینه برنامه ها به طیف گسترده ای از فعالیت ها در جامعه ، از علم تا صنعت ، عرضی است. به طور خاص ، بزرگی و پیچیدگی کارهایی که الگوریتم های یادگیری ماشین (ML) باید حل کنند ، نیاز به ابداع ماشین های سازگار با هسته های سازگار را دارند که با حجم داده ها به خوبی مقیاس می شوند یا به عبارت دیگر ، می توانند داده های بزرگی را اداره کنند. این کتاب نمای مختصری در مورد چگونگی گسترش کاربرد الگوریتم های شناخته شده ML در واحد پردازش گرافیک (GPU) با مقیاس پذیری داده ها در ذهن ارائه می دهد. این مجموعه ای از تکنیک های جدید برای ارتقا ، مقیاس و توزیع داده ها در یک چارچوب یادگیری بزرگ ارائه می دهد. در نظر گرفته نشده است که یک بررسی جامع از وضعیت هنر کل حوزه یادگیری ماشین برای


 

tag : دانلود کتاب یادگیری ماشین برای ماشین های سازگار با هسته های سازگار – یک رویکرد عملی , Download یادگیری ماشین برای ماشین های سازگار با هسته های سازگار – یک رویکرد عملی , دانلود یادگیری ماشین برای ماشین های سازگار با هسته های سازگار – یک رویکرد عملی , Download Machine Learning for Adaptive Many-Core Machines – A Practical Approach Book , یادگیری ماشین برای ماشین های سازگار با هسته های سازگار – یک رویکرد عملی دانلود , buy یادگیری ماشین برای ماشین های سازگار با هسته های سازگار – یک رویکرد عملی , خرید کتاب یادگیری ماشین برای ماشین های سازگار با هسته های سازگار – یک رویکرد عملی , دانلود کتاب Machine Learning for Adaptive Many-Core Machines – A Practical Approach , کتاب Machine Learning for Adaptive Many-Core Machines – A Practical Approach , دانلود Machine Learning for Adaptive Many-Core Machines – A Practical Approach , خرید Machine Learning for Adaptive Many-Core Machines – A Practical Approach , خرید کتاب Machine Learning for Adaptive Many-Core Machines – A Practical Approach ,

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود کتاب Machine Learning for Adaptive Many-Core Machines – A Practical Approach – یادگیری ماشین برای ماشین های سازگار با هسته های سازگار – یک رویکرد عملی”