دانلود کتاب Machine Learning: A Probabilistic Perspective (به فارسی: یادگیری ماشینی: یک دیدگاه احتمالی) نوشته شده توسط «Kevin P. Murphy»
اطلاعات کتاب یادگیری ماشینی: یک دیدگاه احتمالی
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: The MIT Press
نویسنده: Kevin P. Murphy
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2012
تعداد صفحه: 1104 / 1098
حجم فایل: 25.69 مگابایت
کد کتاب: 0262018020 , 9780262018029
توضیحات کتاب یادگیری ماشینی: یک دیدگاه احتمالی
سیل دادههای الکترونیکی امروزی که تحت وب فعال میشود، روشهای خودکار تجزیه و تحلیل دادهها را میطلبد. یادگیری ماشینی این روشها را فراهم میکند و روشهایی را توسعه میدهد که میتوانند به طور خودکار الگوها را در دادهها شناسایی کنند و سپس از الگوهای کشف نشده برای پیشبینی دادههای آینده استفاده کنند. این کتاب درسی مقدمه ای جامع و مستقل در زمینه یادگیری ماشینی، بر اساس یک رویکرد یکپارچه و احتمالی ارائه می دهد. این پوشش وسعت و عمق را با هم ترکیب میکند و مطالب پسزمینه لازم را در مورد موضوعاتی مانند احتمال، بهینهسازی، و جبر خطی و همچنین بحث درباره پیشرفتهای اخیر در این زمینه، از جمله زمینههای تصادفی شرطی، منظمسازی L1 و یادگیری عمیق ارائه میکند. این کتاب به سبک غیر رسمی و در دسترس نوشته شده است و با شبه کد برای مهمترین الگوریتم ها کامل شده است. همه موضوعات به وفور با تصاویر رنگی و نمونه های کار شده از حوزه های کاربردی مانند زیست شناسی، پردازش متن، بینایی کامپیوتر و روباتیک به تصویر کشیده شده اند. این کتاب بهجای ارائه کتاب آشپزی از روشهای مختلف اکتشافی، بر رویکرد مبتنی بر مدلهای اصولی تأکید دارد، که اغلب از زبان مدلهای گرافیکی برای مشخص کردن مدلها به روشی مختصر و شهودی استفاده میکند. تقریباً تمام مدلهای توصیفشده در یک بسته نرمافزاری MATLAB – PMTK (بسته ابزار مدلسازی احتمالی) – که بهطور رایگان به صورت آنلاین در دسترس است، پیادهسازی شدهاند. این کتاب برای دانشآموزان مقطع کارشناسی ارشد با پیشزمینه ریاضی در سطح مقدماتی و دانشجویان مقطع کارشناسی ارشد مناسب است.
Today’s Web-enabled deluge of electronic data calls for automated methods of data analysis. Machine learning provides these, developing methods that can automatically detect patterns in data and then use the uncovered patterns to predict future data. This textbook offers a comprehensive and self-contained introduction to the field of machine learning, based on a unified, probabilistic approach. The coverage combines breadth and depth, offering necessary background material on such topics as probability, optimization, and linear algebra as well as discussion of recent developments in the field, including conditional random fields, L1 regularization, and deep learning. The book is written in an informal, accessible style, complete with pseudo-code for the most important algorithms. All topics are copiously illustrated with color images and worked examples drawn from such application domains as biology, text processing, computer vision, and robotics. Rather than providing a cookbook of different heuristic methods, the book stresses a principled model-based approach, often using the language of graphical models to specify models in a concise and intuitive way. Almost all the models described have been implemented in a MATLAB software package–PMTK (probabilistic modeling toolkit)–that is freely available online. The book is suitable for upper-level undergraduates with an introductory-level college math background and beginning graduate students.
دانلود کتاب «یادگیری ماشینی: یک دیدگاه احتمالی»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.