دانلود کتاب Pattern Recognition and Machine Learning

ترجمه فارسی توضیحات (ترجمه ماشینی)

تشخیص الگو و یادگیری ماشینی

رشد چشمگیر کاربردهای عملی برای یادگیری ماشین در ده سال گذشته با پیشرفت های مهم بسیاری در الگوریتم ها و تکنیک های زیربنایی همراه بوده است. برای مثال، روش‌های بیزی از یک جایگاه تخصصی رشد کرده و به جریان اصلی تبدیل شده‌اند، در حالی که مدل‌های گرافیکی به‌عنوان چارچوبی کلی برای توصیف و بکارگیری تکنیک‌های احتمالی پدیدار شده‌اند. کاربرد عملی روش‌های بیزی با توسعه طیف وسیعی از الگوریتم‌های استنتاج تقریبی مانند بیزهای متغیر و انتشار انتظار بسیار افزایش یافته است، در حالی که مدل‌های جدید مبتنی بر هسته‌ها تأثیر قابل‌توجهی بر روی الگوریتم‌ها و کاربردها داشته‌اند. این کتاب درسی کاملاً جدید منعکس‌کننده این پیشرفت‌های اخیر ضمن ارائه مقدمه‌ای جامع در زمینه‌های تشخیص الگو و یادگیری ماشین. این هدف برای دانشجویان پیشرفته کارشناسی یا دانشجویان سال اول دکترا و همچنین محققان و پزشکان است. هیچ دانش قبلی از مفاهیم تشخیص الگو یا یادگیری ماشین فرض نمی شود. آشنایی با حساب دیفرانسیل و انتگرال چند متغیره و جبر خطی پایه مورد نیاز است، و مقداری تجربه در استفاده از احتمالات مفید خواهد بود، هرچند ضروری نیست، زیرا این کتاب شامل مقدمه ای مستقل بر نظریه احتمالات پایه است. این کتاب برای دوره های یادگیری ماشین، آمار مناسب است. ، علوم کامپیوتر، پردازش سیگنال، بینایی کامپیوتر، داده کاوی و بیوانفورماتیک. پشتیبانی گسترده ای برای مدرسان دوره ارائه می شود که شامل بیش از 400 تمرین است که بر اساس سختی درجه بندی می شوند. راه‌حل‌های نمونه برای زیرمجموعه‌ای از تمرین‌ها از وب‌سایت کتاب موجود است، در حالی که راه‌حل‌های باقی‌مانده را می‌توان توسط مربیان ناشر دریافت کرد. این کتاب توسط مقدار زیادی از مطالب اضافی پشتیبانی می‌شود و خواننده تشویق می‌شود برای آخرین اطلاعات از وب‌سایت کتاب دیدن کند. تمرین‌هایی که در متن علامت‌گذاری شده‌اند “www”)* برای مربیان، راه‌حل‌های تمرین‌های باقی‌مانده از وب‌سایت Springer *اسلایدهای سخنرانی برای همراهی هر فصل*مجموعه داده‌ها برای دانلود موجود است.

Pattern Recognition and Machine Learning

The dramatic growth in practical applications for machine learning over the last ten years has been accompanied by many important developments in the underlying algorithms and techniques. For example, Bayesian methods have grown from a specialist niche to become mainstream, while graphical models have emerged as a general framework for describing and applying probabilistic techniques. The practical applicability of Bayesian methods has been greatly enhanced by the development of a range of approximate inference algorithms such as variational Bayes and expectation propagation, while new models based on kernels have had a significant impact on both algorithms and applications.This completely new textbook reflects these recent developments while providing a comprehensive introduction to the fields of pattern recognition and machine learning. It is aimed at advanced undergraduates or first-year PhD students, as well as researchers and practitioners. No previous knowledge of pattern recognition or machine learning concepts is assumed. Familiarity with multivariate calculus and basic linear algebra is required, and some experience in the use of probabilities would be helpful though not essential as the book includes a self-contained introduction to basic probability theory.The book is suitable for courses on machine learning, statistics, computer science, signal processing, computer vision, data mining, and bioinformatics. Extensive support is provided for course instructors, including more than 400 exercises, graded according to difficulty. Example solutions for a subset of the exercises are available from the book web site, while solutions for the remainder can be obtained by instructors from the publisher. The book is supported by a great deal of additional material, and the reader is encouraged to visit the book web site for the latest information.Coming soon:*For students, worked solutions to a subset of exercises available on a public web site (for exercises marked “www” in the text)*For instructors, worked solutions to remaining exercises from the Springer web site*Lecture slides to accompany each chapter*Data sets available for download”