"Fundamentals and Methods of Machine Learning and Deep Learning" от автора Pradeep Singha представляет собой практическое руководство по объяснению концепций машинного и глубокого обучения, оценке методологических достижений и демонстрации алгоритмов с приложениями.
Машинное обучение и глубокое обучение в последние два десятилетия сыграли важную роль в разработке приложений программного обеспечения. Кроме того, в недавних исследованиях они были признаны одной из революционных технологий, которая изменит нашу будущую жизнь, бизнес и глобальную экономику. Недавний взрыв цифровых данных в широком спектре областей, включая науку, инженерию, Интернет вещей, биомедицину, здравоохранение и многие бизнес-сектора, объявил эру больших данных, которые нельзя анализировать классической статистикой, но с помощью более современных и надежных методов машинного и глубинного обучения. Поскольку машинное обучение учится на данных, а не путем программирования жестко заданных правил принятия решений, предпринимаются попытки использовать машинное обучение для создания компьютеров, способных решать проблемы, как это делают эксперты в этой области. Цель этой книги заключается в предоставлении "практического подхода", который объясняет концепции алгоритмов машинного и углубленного обучения с примерами применения. В книге обсуждаются алгоритмы машинного обучения с контролем, алгоритмы машинной обработки данных, методы выбора признаков, методы углубленного изучения и их применение. Также включена уникальная информация из восемнадцати глав, которая предоставляет четкое понимание концепций с использованием алгоритмов и примеров, иллюстрирующих применение машинного и углубленного изучения в различных областях, включая прогнозирование заболеваний, прогнозирование дефектов программного обеспечения, анализ онлайн-телевидения, медицинскую обработку изображений и т. д. Каждая из глав кратко описанных ниже обеспечивает как выбранный подход, так и его реализацию. Публикуется для исследователей и инженеров в области искусственного интеллекта, компьютерных ученых, разработчиков программного обеспечения и разработчиков программного обеспечения."
Если вы ещё не знакомы с этой книгой, вот такое описание могу вам предложить: "Основы и методы машинного и глубокого обучения" Автор: Прадип Сингх
В книге представлен практический подход к объяснению концепций алгоритмов машинного обучения и глубокого обучения, анализу методик и демонстрации алгоритмов с примерами их применения.
За последние два десятилетия область машинного обучения и её подполе – глубокое обучение – играют ключевую роль в разработке программного обеспечения. Их также рассматривают как одну из революционных технологий, которая преобразит нашу жизнь, бизнес и мировую экономику. Недавний взрыв цифровых данных в различных областях, включая науку, инженерное дело, Интернет вещей, биомедицину, здравоохранение и многие бизнес-сферы, объявил эру большого объёма данных, который классическая статистика не может обработать, но могут современные, надёжные методы машинного обучения и глубокое обучение. Так как машинное обучение осваивает данные, а не устанавливает жёстко запрограммированные правила, пробуют использовать машинное обучение, чтобы сделать компьютеры способными решать проблемы так, как это делают эксперты в этой сфере. Цель этой книги – представить практический подход, объясняющий концепции алгоритмов машинного обучения на примерах. Обсуждаются алгоритмы контролируемого машинного обучения, алгоритмы машинного обучения по ансамблю, отбор признаков, методы глубокого обучения и их применение. Восемнадцать глав содержат уникальные сведения, которые обеспечивают чёткое понимание концептов через использование алгоритмов и иллюстрацию примерами из применения машинного обучения и искусственного интеллекта в различных сферах, включая прогнозирование заболевания, прогнозирование программных дефектов, онлайновый телевизионный анализ, обработку медицинских изображений и др. Каждая из глав кратко описанных ниже содержит как выбранный подход, так и его реализацию. Аудитория: Исследователи и инженеры в области искусственного интеллекта, компьютерных наук а также разработчики программного обеспечения.
Электронная Книга «Fundamentals and Methods of Machine and Deep Learning» написана автором Pradeep Singh в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119821885
Описание книги от Pradeep Singh
FUNDAMENTALS AND METHODS OF MACHINE AND DEEP LEARNING The book provides a practical approach by explaining the concepts of machine learning and deep learning algorithms, evaluation of methodology advances, and algorithm demonstrations with applications. Over the past two decades, the field of machine learning and its subfield deep learning have played a main role in software applications development. Also, in recent research studies, they are regarded as one of the disruptive technologies that will transform our future life, business, and the global economy. The recent explosion of digital data in a wide variety of domains, including science, engineering, Internet of Things, biomedical, healthcare, and many business sectors, has declared the era of big data, which cannot be analysed by classical statistics but by the more modern, robust machine learning and deep learning techniques. Since machine learning learns from data rather than by programming hard-coded decision rules, an attempt is being made to use machine learning to make computers that are able to solve problems like human experts in the field. The goal of this book is to present a??practical approach by explaining the concepts of machine learning and deep learning algorithms with applications. Supervised machine learning algorithms, ensemble machine learning algorithms, feature selection, deep learning techniques, and their applications are discussed. Also included in the eighteen chapters is unique information which provides a clear understanding of concepts by using algorithms and case studies illustrated with applications of machine learning and deep learning in different domains, including disease prediction, software defect prediction, online television analysis, medical image processing, etc. Each of the chapters briefly described below provides both a chosen approach and its implementation. Audience Researchers and engineers in artificial intelligence, computer scientists as well as software developers.
