دایره‌المعارف یادگیری ماشین و داده کاوی

قیمت 16,000 تومان

خرید محصول توسط کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت.
ویرایش به‌روز، توسعه‌یافته و معتبر دایره‌المعارف یادگیری ماشین و داده‌کاوی،‌ برای آن دسته از افرادی که خواهان ورود به تمام جنبه‌های رشته وسیع یادگیری ماشین و داده‌کاوی هستند، یک دسترسی آسان به اطلاعات اصلی این رشته فراهم می‌کند.
این کتاب جامع، شامل 800 ورودی است که 150 تای آن به‌روز یا اضافه شده‌اند، مملو از منابع ادبی ارزشمند است و پورتالی از اطلاعات دقیق‌تر در زمینه موضوعات ارائه‌شده،‌ برای خواننده فراهم می‌کند.
موضوعات این کتاب، شامل یادگیری و منطق، داده‌کاوی، کاربردها، متن‌کاوی،‌ یادگیری آماری، یادگیری تقویتی، الگو‌کاوی، گراف‌کاوی، داده‌کاوی رابطه‌ای، محاسبات تکاملی، نظریه اطلاعات،‌ کلونینگ یا شبیه‌سازی رفتار و بسیاری موارد دیگر می‌باشد. موضوعات کتاب توسط یک هیئت مشورتی بین‌المللی برجسته، انتخاب شده‌اند. هر ورودی به‌‌صورت جامع بررسی و کارشناسی شده است و شامل تعریف، کلمات کلیدی،‌ تصویر،‌ کاربردها، کتاب‌شناسی و لینک به آثار مرتبط می‌باشد.
مطالب توضیحی و آموزشی کتاب، آن را به یک منبع کاربردی برای دانشجویان، دانشگاهیان یا متخصصانی که روش‌های یادگیری ماشین و داده‌کاوی را در پروژه‌های خود به کار گرفته‌اند،‌ تبدیل شده است.
تکنیک‌های یادگیری ماشین و داده‌کاوی، کاربردهای بی‌شماری ازجمله در علم داده‌ها دارند و این منبع برای تمام کسانی که به ‌دنبال دسترسی سریع به اطلاعات مهم این مبحث هستند، ضروری است.
سال انتشار: 2017  |  تعداد صفحات: 1335  |  حجم فایل: 30.82 مگابایت  |  زبان: انگلیسی
Encyclopedia of Machine Learning and Data Mining
نویسنده:
Claude Sammut
ناشر:
Springer
ISBN10:
148997685X
ISBN13:
9781489976857

 

عناوین مرتبط:


This authoritative, expanded and updated second edition of Encyclopedia of Machine Learning and Data Mining provides easy access to core information for those seeking entry into any aspect within the broad field of Machine Learning and Data Mining.  A paramount work, its 800 entries - about 150 of them newly updated or added - are filled with valuable literature references, providing the reader with a portal to more detailed information on any given topic.Topics for the Encyclopedia of Machine Learning and Data Mining include Learning and Logic, Data Mining, Applications, Text Mining, Statistical Learning, Reinforcement Learning, Pattern Mining, Graph Mining, Relational Mining, Evolutionary Computation, Information Theory, Behavior Cloning, and many others.  Topics were selected by a distinguished international advisory board. Each peer-reviewed, highly-structured entry includes a definition, key words, an illustration, applications, a bibliography, and links to related literature.The entries are expository and tutorial, making this reference a practical resource for students, academics, or professionals who employ machine learning and data mining methods in their projects. Machine learning and data mining techniques have countless applications, including data science applications, and this reference is essential for anyone seeking quick access to vital information on the topic.