دانلود کتاب Machine Learning: An Algorithmic Perspective, Second Edition (به فارسی: یادگیری ماشینی: چشم انداز الگوریتمی، ویرایش دوم) نوشته شده توسط «Stephen Marsland»
اطلاعات کتاب یادگیری ماشینی: چشم انداز الگوریتمی، ویرایش دوم
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Chapman and Hall/CRC
نویسنده: Stephen Marsland
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2014
تعداد صفحه: 457 / 452
حجم فایل: 6.65 مگابایت
کد کتاب: 1466583282 , 9781466583283
نوبت چاپ: 2
توضیحات کتاب یادگیری ماشینی: چشم انداز الگوریتمی، ویرایش دوم
رویکردی عملی و اثبات شده برای دانشجویان بدون پایه آماری قوی
از زمانی که اولین نسخه پرفروش منتشر شد، چندین پیشرفت برجسته در این زمینه وجود داشته است. یادگیری ماشین، از جمله افزایش کار بر روی تفسیرهای آماری الگوریتم های یادگیری ماشین. متأسفانه، دانشجویان علوم کامپیوتر بدون پیش‌زمینه آماری قوی، اغلب شروع به کار در این زمینه را دشوار می‌دانند.
برطرف کردن این کمبود، یادگیری ماشینی: چشم‌انداز الگوریتمی، ویرایش دوم به دانش‌آموزان کمک می‌کند تا الگوریتم‌های یادگیری ماشین را درک کنند. آنها را در مسیر تسلط بر ریاضیات و آمار مربوطه و همچنین برنامه نویسی و آزمایش های لازم قرار می دهد.
جدید به نسخه دوم
- دو فصل جدید در مورد شبکه های باور عمیق و فرآیندهای گاوسی
- سازماندهی مجدد فصل ها برای ایجاد جریان طبیعی تر محتوا
- بازبینی مواد ماشین بردار پشتیبانی، از جمله اجرای ساده برای آزمایش‌ها
- مواد جدید در مورد جنگل‌های تصادفی، قضیه هم‌گرایی پرسپترون، روش‌های دقت، و بهینه‌سازی گرادیان مزدوج برای پرسپترون چند لایه
- مباحث اضافی درباره فیلترهای کالمن و ذرات
- کد بهبودیافته، از جمله استفاده بهتر از قراردادهای نامگذاری در پایتون
مناسب برای یک دوره مقدماتی یک ترم و دروس پیشرفته تر، متن به شدت دانش آموزان را تشویق می کند تا با کد تمرین کنند. . هر فصل شامل مثال های دقیق همراه با خواندن و مشکلات بیشتر است. تمام کدهای مورد استفاده برای ایجاد نمونه ها در وب سایت نویسنده موجود است.
A Proven, Hands-On Approach for Students without a Strong Statistical Foundation
Since the best-selling first edition was published, there have been several prominent developments in the field of machine learning, including the increasing work on the statistical interpretations of machine learning algorithms. Unfortunately, computer science students without a strong statistical background often find it hard to get started in this area.
Remedying this deficiency, Machine Learning: An Algorithmic Perspective, Second Edition helps students understand the algorithms of machine learning. It puts them on a path toward mastering the relevant mathematics and statistics as well as the necessary programming and experimentation.
New to the Second Edition
- Two new chapters on deep belief networks and Gaussian processes
- Reorganization of the chapters to make a more natural flow of content
- Revision of the support vector machine material, including a simple implementation for experiments
- New material on random forests, the perceptron convergence theorem, accuracy methods, and conjugate gradient optimization for the multi-layer perceptron
- Additional discussions of the Kalman and particle filters
- Improved code, including better use of naming conventions in Python
Suitable for both an introductory one-semester course and more advanced courses, the text strongly encourages students to practice with the code. Each chapter includes detailed examples along with further reading and problems. All of the code used to create the examples is available on the author’s website.
دانلود کتاب «یادگیری ماشینی: چشم انداز الگوریتمی، ویرایش دوم»
