توضیحات
The book reviews core concepts of machine learning (ML) while focusing on modern applications. It is aimed at those who want to advance their understanding of ML by providing technical and practical insights. It does not use complicated mathematics to explain how to benefit from ML algorithms. Unlike the existing literature, this work provides the core concepts with emphasis on fresh ideas and real application scenarios. It starts with the basic concepts of ML and extends the concepts to the different deep learning algorithms. The book provides an introduction and main elements of evaluation tools with Python and walks you through the recent applications of ML in self-driving cars, cognitive decision making, communication networks, security, and signal processing. The concept of generative networks is also presented and focuses on GANs as a tool to improve the performance of existing algorithms.
In summary, this book provides a comprehensive technological path from fundamental theories to the categorization of existing algorithms, covers state-of-the-art, practical evaluation tools and methods to empower you to use synthetic data to improve the performance of applications.
————————————————————–
ترجمه ماشینی :
این کتاب ضمن تمرکز بر کاربردهای مدرن، مفاهیم اصلی یادگیری ماشین (ML) را مرور میکند. هدف آن کسانی است که می خواهند درک خود از ML را با ارائه بینش های فنی و عملی ارتقا دهند. از ریاضیات پیچیده برای توضیح چگونگی بهره مندی از الگوریتم های ML استفاده نمی کند. برخلاف ادبیات موجود، این کار مفاهیم اصلی را با تأکید بر ایدههای تازه و سناریوهای کاربردی واقعی ارائه میکند. با مفاهیم اولیه ML شروع می شود و مفاهیم را به الگوریتم های مختلف یادگیری عمیق گسترش می دهد. این کتاب مقدمه و عناصر اصلی ابزارهای ارزیابی با پایتون را ارائه میکند و شما را با کاربردهای اخیر ML در خودروهای خودران، تصمیمگیری شناختی، شبکههای ارتباطی، امنیت و پردازش سیگنال راهنمایی میکند. مفهوم شبکه های مولد نیز ارائه شده است و بر GAN ها به عنوان ابزاری برای بهبود عملکرد الگوریتم های موجود تمرکز دارد.
به طور خلاصه، این کتاب یک مسیر تکنولوژیکی جامع از نظریه های بنیادی ارائه می دهد. برای طبقهبندی الگوریتمهای موجود، ابزارها و روشهای ارزیابی عملی و پیشرفته را پوشش میدهد تا شما را در استفاده از دادههای مصنوعی برای بهبود عملکرد برنامهها توانمند کند.
tag : دانلود کتاب تئوری یادگیری ماشین به کاربردها: نظریه به کاربردها , Download تئوری یادگیری ماشین به کاربردها: نظریه به کاربردها , دانلود تئوری یادگیری ماشین به کاربردها: نظریه به کاربردها , Download Machine Learning Theory to Applications: Theory to Applications Book , تئوری یادگیری ماشین به کاربردها: نظریه به کاربردها دانلود , buy تئوری یادگیری ماشین به کاربردها: نظریه به کاربردها , خرید کتاب تئوری یادگیری ماشین به کاربردها: نظریه به کاربردها , دانلود کتاب Machine Learning Theory to Applications: Theory to Applications , کتاب Machine Learning Theory to Applications: Theory to Applications , دانلود Machine Learning Theory to Applications: Theory to Applications , خرید Machine Learning Theory to Applications: Theory to Applications , خرید کتاب Machine Learning Theory to Applications: Theory to Applications ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.