دانلود کتاب Learning from good and bad data

ترجمه فارسی توضیحات (ترجمه ماشینی)

یادگیری از داده های خوب و بد

یادگیری از داده های خوب و بد، شالوده نظری محکمی را توضیح می دهد که زیربنای بسیاری از تحقیقات تجربی در یادگیری ماشین است. در حالی که محور کار تئوری است، ارائه برای نظریه پردازان و متخصصان، متخصصان و غیرمتخصصان در زمینه به سرعت در حال توسعه یادگیری ماشین قابل دسترسی است. یادگیری تجربی (یادگیری از مثال) به منظور کشف ساختارهای رسمی مشترک در بسیاری از کارهای تجربی هوش مصنوعی در مورد موضوع، به صورت ریاضی مورد مطالعه قرار می گیرد.

Learning from good and bad data

Learning from Good and Bad Data explains the firm theoretical foundation that underlies much of the experimental research in machine learning. While the thrust of the work is theoretical, the presentation is accessible to theorists and practitioners, specialists and nonspecialists in the rapidly developing field of machine learning. Empirical learning (learning from example) is studied mathematically in order to uncover the formal structures common to much of the artificial intelligence experimental work on the subject.