دانلود کتاب Pattern Recognition and Machine Learning (Solutions to the Exercises: Web-Edition)
49,000 تومان
تشخیص الگو و یادگیری ماشین (راه حل تمرینات: نسخه وب)
| موضوع اصلی | فن آوری |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| تعداد صفحه | 738 |
| حجم فایل | 883 کیلوبایت |
| کد کتاب | 0387310738,9780387310732 |
| نوبت چاپ | ویرایش اول. 2006. تصحیح. چاپ دوم |
| نویسنده | Markus Svensen and Christopher M. Bishop |
|---|---|
| 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)
تشخیص الگو و یادگیری ماشین (راه حل تمرینات: نسخه وب)
این اولین کتاب درسی در زمینه تشخیص الگو است که دیدگاه بیزی را ارائه می کند. این کتاب الگوریتمهای استنتاج تقریبی را ارائه میکند که در شرایطی که پاسخهای دقیق امکانپذیر نیست، پاسخهای تقریبی سریع را ممکن میسازد. از مدلهای گرافیکی برای توصیف توزیعهای احتمال استفاده میکند، زمانی که هیچ کتاب دیگری از مدلهای گرافیکی برای یادگیری ماشین استفاده نمیکند. 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 برای نظریه احتمالات پایه است.
This is the first textbook on pattern recognition to present the Bayesian viewpoint. The book presents approximate inference algorithms that permit fast approximate answers in situations where exact answers are not feasible. It uses graphical models to describe probability distributions when no other books apply graphical models to machine learning. 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.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.