نرم افزار: سیستم ها: محاسبات علمی

جبر خطی و یادگیری از داده ها

Linear Algebra and Learning from Data

دانلود کتاب Linear Algebra and Learning from Data (به فارسی: جبر خطی و یادگیری از داده ها) نوشته شده توسط «Gilbert Strang»

اطلاعات کتاب جبر خطی و یادگیری از داده ها

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: Wellesley-Cambridge Press

نویسنده: Gilbert Strang

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2019

تعداد صفحه: 432 / 449

حجم فایل: 25.05 مگابایت

کد کتاب: 0692196382 , 9780692196380

نوبت چاپ: 1

توضیحات کتاب جبر خطی و یادگیری از داده ها

این کتاب درسی برای کمک به خوانندگان برای درک مراحلی است که منجر به یادگیری عمیق می شود. جبر خطی به ویژه مقادیر مفرد، حداقل مربعات و فاکتورسازی‌های ماتریس اول است. اغلب هدف، تقریب رتبه پایین A = CR (ستون-ردیف) به یک ماتریس بزرگ از داده ها برای دیدن مهم ترین بخش آن است. این از آرایه کامل جبر خطی اعمال شده، از جمله تصادفی سازی برای ماتریس های بسیار بزرگ استفاده می کند. سپس یادگیری عمیق یک مشکل بهینه‌سازی در مقیاس بزرگ برای وزن‌های حل شده با نزول گرادیان یا نزول گرادیان تصادفی بهتر ایجاد می‌کند. در نهایت، این کتاب معماری شبکه‌های عصبی کاملاً متصل و شبکه‌های عصبی کانولوشنال (CNN) را برای یافتن الگوها در داده‌ها توسعه می‌دهد. مخاطب: این کتاب برای کسانی است که می‌خواهند یاد بگیرند که چگونه داده‌ها را با روش‌های ماتریسی کاهش داده و تفسیر می‌کنند و درک کنند. بر اساس دومین دوره جبر خطی تدریس شده توسط پروفسور استرنگ، که سخنرانی های او در مورد داده های آموزشی به طور گسترده ای شناخته شده است، از ابتدا شروع می شود (چهار زیرفضای اساسی) و بدون متن اول کاملاً قابل دسترسی است.

This is a textbook to help readers understand the steps that lead to deep learning. Linear algebra comes first especially singular values, least squares, and matrix factorizations. Often the goal is a low rank approximation A = CR (column-row) to a large matrix of data to see its most important part. This uses the full array of applied linear algebra, including randomization for very large matrices. Then deep learning creates a large-scale optimization problem for the weights solved by gradient descent or better stochastic gradient descent. Finally, the book develops the architectures of fully connected neural nets and of Convolutional Neural Nets (CNNs) to find patterns in data. Audience: This book is for anyone who wants to learn how data is reduced and interpreted by and understand matrix methods. Based on the second linear algebra course taught by Professor Strang, whose lectures on the training data are widely known, it starts from scratch (the four fundamental subspaces) and is fully accessible without the first text.

دانلود کتاب «جبر خطی و یادگیری از داده ها»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان