توضیحات
The most crucial ability for machine learning and data science is mathematical logic for grasping their essence rather than knowledge and experience. This textbook approaches the essence of machine learning and data science by considering math problems and building Python programs.
As the preliminary part, Chapter 1 provides a concise introduction to linear algebra, which will help novices read further to the following main chapters. Those succeeding chapters present essential topics in statistical learning: linear regression, classification, resampling, information criteria, regularization, nonlinear regression, decision trees, support vector machines, and unsupervised learning.
Each chapter mathematically formulates and solves machine learning problems and builds the programs. The body of a chapter is accompanied by proofs and programs in an appendix, with exercises at the end of the chapter. Because the book is carefully organized to provide the solutions to the exercises in each chapter, readers can solve the total of 100 exercises by simply following the contents of each chapter.
This textbook is suitable for an undergraduate or graduate course consisting of about 12 lectures. Written in an easy-to-follow and self-contained style, this book will also be perfect material for independent learning.
————————————————————–
ترجمه ماشینی :
حیاتی ترین توانایی برای یادگیری ماشین و علم داده، منطق ریاضی برای درک ماهیت آنها به جای دانش و تجربه است. این کتاب درسی با در نظر گرفتن مسائل ریاضی و ساختن برنامههای پایتون به ماهیت یادگیری ماشین و علم داده نزدیک میشود.
به عنوان بخش مقدماتی، فصل 1 مقدمهای مختصر بر جبر خطی ارائه میکند که به تازهکاران کمک میکند تا بخوانند. ادامه به فصل های اصلی زیر. فصلهای بعدی موضوعات ضروری در یادگیری آماری را ارائه میکنند: رگرسیون خطی، طبقهبندی، نمونهگیری مجدد، معیارهای اطلاعاتی، منظمسازی، رگرسیون غیرخطی، درختهای تصمیم، ماشینهای بردار پشتیبان و یادگیری بدون نظارت.
هر فصل بهطور ریاضی مسائل یادگیری ماشین را فرموله و حل میکند. برنامه ها را می سازد متن یک فصل با براهین و برنامه ها در یک پیوست همراه با تمرینات در پایان فصل است. از آنجایی که کتاب به دقت سازماندهی شده است تا راه حل های تمرین های هر فصل ارائه شود، خوانندگان می توانند با دنبال کردن مطالب هر فصل، مجموع 100 تمرین را حل کنند.
این کتاب درسی برای دوره کارشناسی یا کارشناسی ارشد متشکل از حدود 12 سخنرانی. این کتاب که به سبکی ساده و مستقل نوشته شده است، همچنین یک ماده عالی برای یادگیری مستقل خواهد بود.
tag : دانلود کتاب آموزش آماری با ریاضیات و پایتون: 100 تمرین برای ساختن منطق , Download آموزش آماری با ریاضیات و پایتون: 100 تمرین برای ساختن منطق , دانلود آموزش آماری با ریاضیات و پایتون: 100 تمرین برای ساختن منطق , Download Statistical Learning with Math and Python: 100 Exercises for Building Logic Book , آموزش آماری با ریاضیات و پایتون: 100 تمرین برای ساختن منطق دانلود , buy آموزش آماری با ریاضیات و پایتون: 100 تمرین برای ساختن منطق , خرید کتاب آموزش آماری با ریاضیات و پایتون: 100 تمرین برای ساختن منطق , دانلود کتاب Statistical Learning with Math and Python: 100 Exercises for Building Logic , کتاب Statistical Learning with Math and Python: 100 Exercises for Building Logic , دانلود Statistical Learning with Math and Python: 100 Exercises for Building Logic , خرید Statistical Learning with Math and Python: 100 Exercises for Building Logic , خرید کتاب Statistical Learning with Math and Python: 100 Exercises for Building Logic ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.