نرم افزار: سیستم ها: محاسبات علمی

بهینه سازی برای یادگیری ماشین (سری پردازش اطلاعات عصبی)

Optimization for Machine Learning (Neural Information Processing series)

دانلود کتاب Optimization for Machine Learning (Neural Information Processing series) (به فارسی: بهینه سازی برای یادگیری ماشین (سری پردازش اطلاعات عصبی)) نوشته شده توسط «Suvrit Sra – Sebastian Nowozin – Stephen J. Wright»


اطلاعات کتاب بهینه سازی برای یادگیری ماشین (سری پردازش اطلاعات عصبی)

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: The MIT Press

نویسنده: Suvrit Sra – Sebastian Nowozin – Stephen J. Wright

زبان: english

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

سال انتشار: 2011

تعداد صفحه: 509

حجم فایل: 2.98 مگابایت

کد کتاب: 026201646X , 9780262016469

توضیحات کتاب بهینه سازی برای یادگیری ماشین (سری پردازش اطلاعات عصبی)

تعامل بین بهینه سازی و یادگیری ماشینی یکی از مهم ترین پیشرفت ها در علم محاسبات مدرن است. فرمول‌بندی‌ها و روش‌های بهینه‌سازی در طراحی الگوریتم‌هایی برای استخراج دانش ضروری از حجم عظیمی از داده‌ها حیاتی هستند. با این حال، یادگیری ماشین صرفاً مصرف‌کننده فناوری بهینه‌سازی نیست، بلکه حوزه‌ای است که به سرعت در حال تکامل است که خود ایده‌های بهینه‌سازی جدیدی را ایجاد می‌کند. این کتاب وضعیت هنر تعامل بین بهینه‌سازی و یادگیری ماشین را به گونه‌ای به تصویر می‌کشد که برای محققان در هر دو زمینه قابل دسترسی باشد. رویکردهای بهینه‌سازی به دلیل کاربرد گسترده و ویژگی‌های نظری جذابشان در یادگیری ماشینی برجسته شده‌اند. افزایش پیچیدگی، اندازه و تنوع مدل‌های یادگیری ماشین امروزی نیاز به ارزیابی مجدد مفروضات موجود دارد. این کتاب فرآیند ارزیابی مجدد را آغاز می کند. این تجدید حیات در زمینه‌های جدید چارچوب‌های تثبیت‌شده مانند روش‌های مرتبه اول، تقریب‌های تصادفی، آرامش‌های محدب، روش‌های نقطه داخلی، و روش‌های پروگزیمال را توصیف می‌کند. همچنین به موضوعات جدیدتر مانند بهینه‌سازی منظم، بهینه‌سازی قوی، روش‌های گرادیان و زیرگرایش، تکنیک‌های تقسیم و روش‌های مرتبه دوم توجه می‌کند. بسیاری از این تکنیک ها از زمینه های دیگر، از جمله تحقیق در عملیات، علوم کامپیوتر نظری، و زیرشاخه های بهینه سازی الهام می گیرند. این کتاب لقاح متقابل مداوم بین جامعه یادگیری ماشین و این زمینه‌های دیگر و در جامعه بهینه‌سازی گسترده‌تر را غنی می‌کند.


The interplay between optimization and machine learning is one of the most important developments in modern computational science. Optimization formulations and methods are proving to be vital in designing algorithms to extract essential knowledge from huge volumes of data. Machine learning, however, is not simply a consumer of optimization technology but a rapidly evolving field that is itself generating new optimization ideas. This book captures the state of the art of the interaction between optimization and machine learning in a way that is accessible to researchers in both fields.Optimization approaches have enjoyed prominence in machine learning because of their wide applicability and attractive theoretical properties. The increasing complexity, size, and variety of today’s machine learning models call for the reassessment of existing assumptions. This book starts the process of reassessment. It describes the resurgence in novel contexts of established frameworks such as first-order methods, stochastic approximations, convex relaxations, interior-point methods, and proximal methods. It also devotes attention to newer themes such as regularized optimization, robust optimization, gradient and subgradient methods, splitting techniques, and second-order methods. Many of these techniques draw inspiration from other fields, including operations research, theoretical computer science, and subfields of optimization. The book will enrich the ongoing cross-fertilization between the machine learning community and these other fields, and within the broader optimization community.

دانلود کتاب «بهینه سازی برای یادگیری ماشین (سری پردازش اطلاعات عصبی)»

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

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.

دیدگاهتان را بنویسید