کتاب machine learning a probabilistic perspective نوشته kevin p murphy ( کیوین پی مورفی) توسط انتشارات صفار با موضوع مهندسی کامپیوتر, هوش مصنوعی, زبان اصلی کامپیوتر به چاپ رسیده است.
کتاب افست یادگیری ماشینی: دیدگاه احتمالی، ویرایش اول
کتاب حاضر مقدمه ای جامع برای یادگیری ماشینی که از مدل های احتمالی و استنتاج به عنوان یک رویکرد متحد استفاده می کند می باشد.
سیل داده های الکترونیکی امروزی که تحت وب فعال شده اند، نیازمند روش های خودکار تجزیه و تحلیل داده ها هستند. 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 میدهد. این کتاب به سبک 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 از روشهای مختلف اکتشافی، بر رویکرد مبتنی بر مدلهای اصولی تأکید میکند، 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 (کیت ابزار مدلسازی احتمالی) پیادهسازی شدهاند. این کتاب برای دانشجویان مقطع کارشناسی با پیش زمینه ریاضی در سطح مقدماتی و دانشجویان مقطع کارشناسی ارشد مناسب است.
کتاب machine learning a probabilistic perspective نوشته kevin p murphy ( کیوین پی مورفی) توسط انتشارات صفار با موضوع مهندسی کامپیوتر, هوش مصنوعی, زبان اصلی کامپیوتر به چاپ رسیده است.
کتاب افست یادگیری ماشینی: دیدگاه احتمالی، ویرایش اول
کتاب حاضر مقدمه ای جامع برای یادگیری ماشینی که از مدل های احتمالی و استنتاج به عنوان یک رویکرد متحد استفاده می کند می باشد.
سیل داده های الکترونیکی امروزی که تحت وب فعال شده اند، نیازمند روش های خودکار تجزیه و تحلیل داده ها هستند. 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 میدهد. این کتاب به سبک 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 از روشهای مختلف اکتشافی، بر رویکرد مبتنی بر مدلهای اصولی تأکید میکند، 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 (کیت ابزار مدلسازی احتمالی) پیادهسازی شدهاند. این کتاب برای دانشجویان مقطع کارشناسی با پیش زمینه ریاضی در سطح مقدماتی و دانشجویان مقطع کارشناسی ارشد مناسب است.