دانلود کتاب Information Theory and Statistical Learning
36,000 تومان
تئوری اطلاعات و یادگیری آماری
| موضوع اصلی | تحصیلات |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Springer US |
| تعداد صفحه | 439 |
| حجم فایل | 10 مگابایت |
| کد کتاب | 0387848150,9780387848150 |
| نوبت چاپ | 1 |
| نویسنده | , , |
|---|---|
| زبان |
انگلیسی |
| فرمت |
|
| سال انتشار |
2009 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
تئوری اطلاعات و یادگیری آماری
تئوری اطلاعات و یادگیری آماری نتایج نظری و عملی را در مورد روش های نظری اطلاعات مورد استفاده در زمینه یادگیری آماری ارائه می دهد.
این کتاب مروری جامع از طیف وسیعی از روش‌های مختلف ارائه می‌کند که در زمینه‌های متعددی ایجاد شده‌اند. هر فصل توسط یک متخصص در زمینه نوشته شده است. این کتاب برای خوانندگان بین رشته‌ای که در زمینه یادگیری ماشین، آمار کاربردی، هوش مصنوعی، آمار زیستی، زیست‌شناسی محاسباتی، بیوانفورماتیک، وب کاوی یا رشته‌های مرتبط کار می‌کنند در نظر گرفته شده است.
تمجید از تئوری اطلاعات و یادگیری آماری :
“دوران جدیدی برای علوم اطلاعات فرا رسیده است تا رشته های مختلفی مانند نظریه اطلاعات، یادگیری ماشین، استنتاج آماری، داده کاوی، انتخاب مدل و غیره را ادغام کند. کتابی برای محققان و دانشجویان است، زیرا بیشتر این موضوعات و روش‌های نوظهور را که در بسیاری از مکان‌ها پراکنده هستند، خلاصه می‌کند.” دانشگاه توکیو
Information Theory and Statistical Learning presents theoretical and practical results about information theoretic methods used in the context of statistical learning.
The book will present a comprehensive overview of the large range of different methods that have been developed in a multitude of contexts. Each chapter is written by an expert in the field. The book is intended for an interdisciplinary readership working in machine learning, applied statistics, artificial intelligence, biostatistics, computational biology, bioinformatics, web mining or related disciplines.
Advance Praise for Information Theory and Statistical Learning:
“A new epoch has arrived for information sciences to integrate various disciplines such as information theory, machine learning, statistical inference, data mining, model selection etc. I am enthusiastic about recommending the present book to researchers and students, because it summarizes most of these new emerging subjects and methods, which are otherwise scattered in many places.”
— Shun-ichi Amari, RIKEN Brain Science Institute, Professor-Emeritus at the University of Tokyo
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.