ریاضیات کاربردی

ریاضیات برای یادگیری ماشین

Mathematics for Machine Learning

دانلود کتاب Mathematics for Machine Learning (به فارسی: ریاضیات برای یادگیری ماشین) نوشته شده توسط «Marc Peter Deisenroth – A Aldo Faisal – Cheng Soon Ong»


اطلاعات کتاب ریاضیات برای یادگیری ماشین

موضوع اصلی: ریاضیات – ریاضیات کاربردی

نوع: کتاب الکترونیکی

ناشر: Cambridge University Press

نویسنده: Marc Peter Deisenroth – A Aldo Faisal – Cheng Soon Ong

زبان: english

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

سال انتشار: 2020

تعداد صفحه: 417

حجم فایل: 16.30 مگابایت

کد کتاب: 1108679935 , 9781108679930

توضیحات کتاب ریاضیات برای یادگیری ماشین

ابزارهای اساسی ریاضی مورد نیاز برای درک یادگیری ماشین عبارتند از جبر خطی، هندسه تحلیلی، تجزیه ماتریس، حساب برداری، بهینه سازی، احتمال و آمار. این موضوعات به طور سنتی در دوره‌های متفاوت تدریس می‌شوند و یادگیری مؤثر ریاضیات را برای دانش‌آموزان علوم داده یا علوم رایانه یا متخصصان سخت می‌کند. این کتاب درسی مستقل، شکاف بین متون ریاضی و یادگیری ماشین را پر می کند و مفاهیم ریاضی را با حداقل پیش نیازها معرفی می کند. از این مفاهیم برای استخراج چهار روش یادگیری ماشین مرکزی استفاده می‌کند: رگرسیون خطی، تحلیل مؤلفه‌های اصلی، مدل‌های مخلوط گاوسی و ماشین‌های بردار پشتیبان. برای دانش‌آموزان و سایرین با پیش‌زمینه ریاضی، این اشتقاق‌ها نقطه شروعی برای متون یادگیری ماشینی است. برای کسانی که برای اولین بار ریاضیات را یاد می گیرند، این روش ها به ایجاد شهود و تجربه عملی با استفاده از مفاهیم ریاضی کمک می کند. هر فصل شامل مثال های کار شده و تمرین هایی برای تست درک است. آموزش های برنامه نویسی در وب سایت کتاب ارائه شده است.


The fundamental mathematical tools needed to understand machine learning include linear algebra, analytic geometry, matrix decompositions, vector calculus, optimization, probability and statistics. These topics are traditionally taught in disparate courses, making it hard for data science or computer science students, or professionals, to efficiently learn the mathematics. This self-contained textbook bridges the gap between mathematical and machine learning texts, introducing the mathematical concepts with a minimum of prerequisites. It uses these concepts to derive four central machine learning methods: linear regression, principal component analysis, Gaussian mixture models and support vector machines. For students and others with a mathematical background, these derivations provide a starting point to machine learning texts. For those learning the mathematics for the first time, the methods help build intuition and practical experience with applying mathematical concepts. Every chapter includes worked examples and exercises to test understanding. Programming tutorials are offered on the book’s web site.

دانلود کتاب «ریاضیات برای یادگیری ماشین»

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

📖 خرید این کتاب

برای دریافت فایل و اطلاع از قیمت، روی یکی از دکمه‌های زیر کلیک کنید تا پیام آماده برای شما ارسال شود:

پس از ارسال پیام، قیمت و لینک دریافت فایل در اسرع وقت برای شما ارسال خواهد شد.

دیدگاهتان را بنویسید