دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 2 نویسندگان: Claude Sammut (Editor). Geoffrey I. Webb (Editor) سری: ISBN (شابک) : 148997685X, 9781489976857 ناشر: Springer سال نشر: 2017 تعداد صفحات: 1341 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 31 مگابایت
کلمات کلیدی مربوط به کتاب دایره المعارف یادگیری ماشین و داده کاوی: هوش مصنوعی، یادگیری ماشینی، محاسبات تکاملی، شبکه های عصبی، یادگیری تقویتی، تحلیل رفتار، تشخیص الگو، داده کاوی، متن کاوی، آمار، الگوریتم های نمودار، دایره المعارف
در صورت تبدیل فایل کتاب Encyclopedia of Machine Learning and Data Mining به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب دایره المعارف یادگیری ماشین و داده کاوی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این ویرایش دوم معتبر، گسترده و به روز شده دایره المعارف یادگیری ماشین و داده کاوی دسترسی آسان به اطلاعات اصلی را برای کسانی که به دنبال ورود به هر جنبه ای در زمینه گسترده یادگیری ماشین و داده کاوی هستند، فراهم می کند. یک اثر مهم، 800 مدخل آن - حدود 150 مورد از آنها به تازگی به روز شده یا اضافه شده است - مملو از منابع ارزشمند ادبی است که دریچه ای برای اطلاعات دقیق تر در مورد هر موضوعی در اختیار خواننده قرار می دهد. موضوعات دایره المعارف یادگیری ماشین و داده کاوی شامل یادگیری و منطق، داده کاوی، کاربردها، متن کاوی، یادگیری آماری، یادگیری تقویتی، الگوکاوی، نمودار کاوی، کاوی رابطه ای، محاسبات تکاملی، نظریه اطلاعات، شبیه سازی رفتار، و بسیاری دیگر. موضوعات توسط یک هیئت مشاور بین المللی برجسته انتخاب شدند. هر مدخل بررسی شده و دارای ساختار بسیار بالا شامل یک تعریف، کلمات کلیدی، یک تصویر، برنامه های کاربردی، یک کتابشناسی و پیوندهایی به ادبیات مرتبط است. مدخل ها تشریحی و آموزشی هستند و این مرجع را به منبعی کاربردی برای دانش آموزان، دانشگاهیان یا متخصصانی تبدیل می کند که از روش های یادگیری ماشین و داده کاوی در پروژه های خود استفاده می کنند. تکنیک های یادگیری ماشین و داده کاوی کاربردهای بی شماری از جمله کاربردهای علم داده دارند و این مرجع برای هر کسی که به دنبال دسترسی سریع به اطلاعات حیاتی در مورد موضوع است ضروری است.
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.
Front Matter....Pages i-xvii
....Pages 1-1