O abordare practică pentru algoritmi de învățare automată și de învățare profundă

Recenzii ale cititorilor

Cartea a primit recenzii negative constante din partea utilizatorilor, în principal din cauza calității slabe a scrierii, a lipsei de conținut original și a materialelor de calitate scăzută. Mulți cititori au considerat-o dificil de înțeles și au criticat faptul că se bazează pe surse online fără explicații sau teorii adecvate. În general, se consideră că nu merită investiția.

Unii utilizatori au remarcat că cartea oferă pași clari pentru implementarea algoritmilor de învățare profundă cu MATLAB.

Cartea prezintă o engleză stricată și o gramatică slabă, ceea ce o face greu de înțeles. Mulți recenzenți au considerat-o lipsită de originalitate, plină de conținut copiat din surse online și au criticat calitatea scăzută a imprimării și prezența a numeroase erori în codul și figurile MATLAB.

(pe baza a 7 recenzii ale cititorilor)

Titlul original:

A Practical Approach for Machine Learning and Deep Learning Algorithms

Conținutul cărții:

Implicați-vă în învățarea mecanică

Caracteristici principale Învățarea automată în MATLAB folosind concepte și algoritmi de bază. Algoritmi de învățare automată într-un limbaj simplu folosind codul MATLAB. Derivarea și accesarea datelor în MATLAB și în continuare, preprocesarea și pregătirea datelor. Flux de lucru de învățare automată pentru monitorizarea sănătății. Domeniul rețelelor neuronale și implementarea în MATLAB cu explicarea explicită a codului și a rezultatelor. Cum poate fi îmbunătățit modelul predictiv folosind MATLAB? Cod MATLAB pentru implementarea unui algoritm, mai degrabă decât pentru o formulă matematică. Flux de lucru de învățare automată pentru monitorizarea sănătății.

Descriere

Învățarea automată este căutată mai ales în domeniul cercetării și a devenit o parte integrantă a multor proiecte de cercetare din zilele noastre, inclusiv aplicații comerciale, precum și cercetare academică. Aplicațiile învățării automate variază de la găsirea prietenilor pe site-urile de socializare la diagnosticarea medicală și chiar la prelucrarea sateliților. În această carte, am făcut un efort onest pentru a face conceptele de învățare automată ușoare și pentru a oferi programe de bază în MATLAB chiar din partea de instalare. Deși aplicațiile în timp real ale învățării automate sunt nesfârșite, totuși, conceptele și algoritmii de bază sunt discutate folosind limbajul MATLAB, astfel încât nu numai studenții absolvenți, ci și cercetătorii să beneficieze de aceasta.

Ce veți învăța

Precondiții pentru învățarea automată Găsirea modelelor naturale în date Construirea metodelor de clasificare Preprocesarea datelor în Python Construirea modelelor de regresie Crearea rețelelor neuronale Învățarea profundă

Pentru cine este această carte

Cartea este destinată în principal studenților absolvenți și cercetătorilor care consideră algoritmii de învățare automată dificil de implementat. Am atins în detaliu toți algoritmii de bază ai învățării automate cu o abordare practică. În primul rând, începătorii vor găsi această carte mai eficientă, deoarece capitolele sunt subdivizate astfel încât să găsească construcția și implementarea algoritmilor în MATLAB interesante și ușoare în același timp.

Tabla de conținut

O introducere în învățarea automată Găsirea modelelor naturale în date Construirea metodelor de clasificare Pre - prelucrarea datelor în Python Construirea modelelor de regresie Crearea rețelelor neuronale Introducere în învățarea profundă

Despre autor

Abhishek Kumar Pandey își urmărește doctoratul în informatică și a făcut M. Tech în Computer Sci. & Engineering. A lucrat ca profesor asistent de informatică la Aryabhatt Engineering College and Research center, Ajmer și, de asemenea, profesor invitat la Universitatea guvernamentală MDS Ajmer.

Pramod Singh Rathore urmează doctoratul în informatică și inginerie și a terminat M. Tech. A lucrat ca profesor asistent de informatică la Aryabhatt Engineering College and Research Centre, Ajmer și ca profesor invitat la Government University MDS Ajmer.

Dr. S. Balamurugan este șeful departamentului de cercetare și dezvoltare, Quants IS & CS, India. Anterior, a fost director de cercetare și dezvoltare la Mindnotix Technologies, India. Este autorul/coautorul a 33 de cărți și are la activ 200 de publicații în diverse reviste și conferințe internaționale.