نرم افزار: سیستم ها: محاسبات علمی

درک یادگیری ماشینی: از تئوری تا الگوریتم ها

Understanding Machine Learning: From Theory to Algorithms

دانلود کتاب Understanding Machine Learning: From Theory to Algorithms (به فارسی: درک یادگیری ماشینی: از تئوری تا الگوریتم ها) نوشته شده توسط «Shai Shalev-Shwartz – Shai Ben-David»

اطلاعات کتاب درک یادگیری ماشینی: از تئوری تا الگوریتم ها

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: Cambridge University Press

نویسنده: Shai Shalev-Shwartz – Shai Ben-David

زبان: english

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

سال انتشار: 2014

تعداد صفحه: 416

حجم فایل: 2.85 مگابایت

کد کتاب: 1107057132 , 9781107057135

نوبت چاپ: draft

توضیحات کتاب درک یادگیری ماشینی: از تئوری تا الگوریتم ها

یادگیری ماشینی یکی از سریع‌ترین حوزه‌های در حال رشد علم کامپیوتر است که کاربردهای گسترده‌ای دارد. هدف این کتاب درسی معرفی یادگیری ماشینی و پارادایم های الگوریتمی ارائه شده به صورت اصولی است. این کتاب یک گزارش نظری گسترده از ایده‌های اساسی زیربنای یادگیری ماشین و مشتقات ریاضی که این اصول را به الگوریتم‌های عملی تبدیل می‌کند، ارائه می‌کند. پس از ارائه مبانی این رشته، کتاب مجموعه گسترده ای از موضوعات اصلی را پوشش می دهد که در کتاب های درسی قبلی به آن پرداخته نشده است. اینها شامل بحث در مورد پیچیدگی محاسباتی یادگیری و مفاهیم تحدب و ثبات است. پارادایم های الگوریتمی مهم از جمله نزول گرادیان تصادفی، شبکه های عصبی، و یادگیری خروجی ساخت یافته. و مفاهیم نظری در حال ظهور مانند رویکرد PAC-Bayes و مرزهای مبتنی بر فشرده سازی. این متن که برای دوره کارشناسی پیشرفته یا دوره کارشناسی ارشد طراحی شده است، اصول و الگوریتم های یادگیری ماشینی را برای دانشجویان و خوانندگان غیرمتخصص در آمار، علوم کامپیوتر، ریاضیات و مهندسی در دسترس قرار می دهد.

Machine learning is one of the fastest growing areas of computer science, with far-reaching applications. The aim of this textbook is to introduce machine learning, and the algorithmic paradigms it offers, in a principled way. The book provides an extensive theoretical account of the fundamental ideas underlying machine learning and the mathematical derivations that transform these principles into practical algorithms. Following a presentation of the basics of the field, the book covers a wide array of central topics that have not been addressed by previous textbooks. These include a discussion of the computational complexity of learning and the concepts of convexity and stability; important algorithmic paradigms including stochastic gradient descent, neural networks, and structured output learning; and emerging theoretical concepts such as the PAC-Bayes approach and compression-based bounds. Designed for an advanced undergraduate or beginning graduate course, the text makes the fundamentals and algorithms of machine learning accessible to students and nonexpert readers in statistics, computer science, mathematics, and engineering.

دانلود کتاب «درک یادگیری ماشینی: از تئوری تا الگوریتم 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