دانلود کتاب Predicting Structured Data
49,000 تومان
پیش بینی داده های ساخت یافته
| موضوع اصلی | سازمان و پردازش داده ها |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | MIT Press |
| تعداد صفحه | 361 |
| حجم فایل | 3 مگابایت |
| کد کتاب | 0262026171,9780262026178,9781429499170 |
| نویسنده | Alexander J. Smola, Ben Taskar, Bernhard Schölkopf, Gökhan H. Bakir, S. V. N. Vishwanathan, Thomas Hofmann |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2007 |
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)
پیش بینی داده های ساخت یافته
یادگیری ماشینی سیستم های کامپیوتری هوشمندی را توسعه می دهد که قادر به تعمیم نمونه های قبلی هستند. حوزه جدیدی از یادگیری ماشین، که در آن پیشبینی باید محدودیتهای اضافی موجود در دادههای ساختیافته را برآورده کند، یکی از بزرگترین چالشهای یادگیری ماشین را ایجاد میکند: یادگیری وابستگیهای عملکردی بین حوزههای ورودی و خروجی دلخواه. این جلد به ارائه و تجزیه و تحلیل وضعیت هنر در الگوریتم های یادگیری ماشین و نظریه در این زمینه جدید می پردازد. مشارکتکنندگان در مورد کاربردهای متنوعی مانند ترجمه ماشینی، نشانهگذاری اسناد، زیستشناسی محاسباتی و استخراج اطلاعات، از جمله موارد دیگر بحث میکنند و مروری به موقع از یک زمینه هیجانانگیز ارائه میدهند. شرکت کنندگان: یاسمین آلتون، گوخان باکیر، اولیویه بوسکه، سامیت چوپرا، کورینا کورتس، هال داومه سوم، اوفر دکل، زوبین قهرمانی، رایا هادسل، توماس هافمن، فو جی هوانگ، یان لیکان، توبیاس مان، دانیل مارکو، دانیل مارکو، مک آلستر، مهریار موهری، ویلیام استافورد نوبل، فرناندو پرز-کروز، ماسیمیلیانو پونتیل، مارک اورلیو رانزاتو، جوهو روسو، کریگ ساندرز، برنهارد شلکوپف، ماتیاس دبلیو سیگر، شای شالو-شوارتز، الکساندر شوارتز، جان شاورامینگتی جی. اسمولا، ساندور سدماک، بن تاسکار، یوانیس سوچانتاریدیس، اس. وی. ان. ویشواناتان و جیسون وستون
Predicting Structured Data
Machine learning develops intelligent computer systems that are able to generalize from previously seen examples. A new domain of machine learning, in which the prediction must satisfy the additional constraints found in structured data, poses one of machine learning’s greatest challenges: learning functional dependencies between arbitrary input and output domains. This volume presents and analyzes the state of the art in machine learning algorithms and theory in this novel field. The contributors discuss applications as diverse as machine translation, document markup, computational biology, and information extraction, among others, providing a timely overview of an exciting field. Contributors: Yasemin Altun, Gökhan Bakır, Olivier Bousquet, Sumit Chopra, Corinna Cortes, Hal Daumé III, Ofer Dekel, Zoubin Ghahramani, Raia Hadsell, Thomas Hofmann, Fu Jie Huang, Yann LeCun, Tobias Mann, Daniel Marcu, David McAllester, Mehryar Mohri, William Stafford Noble, Fernando Pérez-Cruz, Massimiliano Pontil, Marc’Aurelio Ranzato, Juho Rousu, Craig Saunders, Bernhard Schölkopf, Matthias W. Seeger, Shai Shalev-Shwartz, John Shawe-Taylor, Yoram Singer, Alexander J. Smola, Sandor Szedmak, Ben Taskar, Ioannis Tsochantaridis, S. V. N. Vishwanathan, and Jason Weston
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.