سال انتشار: 2023 | 289 صفحه | حجم فایل: 16 مگابایت | زبان: انگلیسی
تعداد موارد: 16
متن کاوی با متلب
تحلیل پیشگویانه؛ داده کاوی، یادگیری ماشین و علوم داده برای متخصصان
علوم پیشرفته داده ها و تجزیه و تحلیل با پایتون
داده کاوی برای تحلیل تجارت؛ مفاهیم، تکنیکها و کاربردها در پایتون
الگوریتم های داده کاوی در ++C؛ الگوهای داده ها و الگوریتم ها برای کاربردهای مدرن
کاوش وب اجتماعی؛ داده کاوی فیس بوک، توییتر، لینکدین، اینستاگرام، گیت هاب و سایر وب های اجتماعی
داده کاوی با R؛ یادگیری با مطالعات موردی
علوم داده و تجزیه و تحلیل با پایتون
داده کاوی و تجزیه و تحلیل شبکه های اجتماعی
متن کاوی با R
دایرهالمعارف یادگیری ماشین و داده کاوی
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.
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 | 1335 صفحه | حجم فایل: 31 مگابایت | زبان: انگلیسی