دانلود کتاب Data Mining: Practical Machine Learning Tools and Techniques
کتاب داده کاوی: ابزارها و تکنیک های یادگیری ماشین عملی نسخه زبان اصلی
دانلود کتاب داده کاوی: ابزارها و تکنیک های یادگیری ماشین عملی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب Data Mining: Practical Machine Learning Tools and Techniques
نام کتاب : Data Mining: Practical Machine Learning Tools and Techniques
ویرایش : 4
عنوان ترجمه شده به فارسی : داده کاوی: ابزارها و تکنیک های یادگیری ماشین عملی
سری : Morgan Kaufmann Series in Data Management Systems
نویسندگان : Ian H. Witten, Eibe Frank, Mark A. Hall, Christopher J. Pal
ناشر : Morgan Kaufmann
سال نشر : 2016
تعداد صفحات : 0
ISBN (شابک) : 0128042915 , 9780128042915
زبان کتاب : English
فرمت کتاب : epub درصورت درخواست کاربر به PDF تبدیل می شود
حجم کتاب : 16 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
Data Mining: Practical Machine Learning Tools and Techniques، ویرایش چهارم، زمینه سازی کاملی در مفاهیم یادگیری ماشین به همراه توصیه های عملی در مورد استفاده از این ابزارها و تکنیک ها در موقعیت های داده کاوی در دنیای واقعی ارائه می دهد. این نسخه چهارم بسیار مورد انتظار از تحسینبرانگیزترین کار در مورد دادهکاوی و یادگیری ماشین به خوانندگان همه چیزهایی را که برای پیشبرد نیاز دارند، از آمادهسازی ورودیها، تفسیر خروجیها، ارزیابی نتایج گرفته تا روشهای الگوریتمی در قلب رویکردهای دادهکاوی موفق، میآموزد.
بهروزرسانیهای گسترده منعکسکننده تغییرات فنی و مدرنسازیهایی است که از آخرین نسخه در این زمینه رخ داده است، از جمله فصلهای جدید قابل توجهی در مورد روشهای احتمالی و یادگیری عمیق. همراه این کتاب نسخه جدیدی از نرم افزار محبوب یادگیری ماشینی WEKA از دانشگاه Waikato است. نویسندگان ویتن، فرانک، هال، و پال شامل تکنیکهای امروزی همراه با روشهای پیشرو در تحقیقات معاصر هستند.
لطفاً از وبسایت همراه کتاب در http://www.cs.waikato.ac دیدن کنید. nz/ml/weka/book.html
دارای
- اسلایدهای پاورپوینت برای فصلهای 1-12 است. این یک منبع آموزشی بسیار جامع است، با اسلایدهای PPT بسیاری که هر فصل از کتاب را پوشش میدهند
- پیوست آنلاین روی میز کار Weka. باز هم یک کمک آموزشی بسیار جامع برای نرم افزار منبع باز که همراه با کتاب است
- فهرست مطالب، برجسته کردن بخش های جدید بسیاری در ویرایش چهارم، به همراه بررسی نسخه اول، اشتباه و غیره.< /li>
- پایهای کامل در مفاهیم یادگیری ماشین و همچنین توصیههای عملی در مورد استفاده از ابزارها و تکنیکها در پروژههای دادهکاوی ارائه میدهد
- نکات و تکنیکهای مشخصی را ارائه میکند. بهبود عملکرد که با تبدیل ورودی یا خروجی در روشهای یادگیری ماشین کار میکند
- شامل یک جعبه ابزار نرمافزار WEKA قابل دانلود، مجموعهای جامع از الگوریتمهای یادگیری ماشین برای وظایف دادهکاوی - در یک رابط تعاملی با کاربری آسان< /li>
- شامل دوره های آنلاین با دسترسی آزاد است که کاربردهای عملی مطالب موجود در کتاب را معرفی می کند
فهرست مطالب :
Part I: Introduction to data mining 1. What\'s it all about? 2. Input: Concepts, instances, attributes 3. Output: Knowledge representation 4. Algorithms: The basic methods 5. Credibility: Evaluating what\'s been learned Part II. More advanced machine learning schemes 6. Trees and rules 7. Extending instance-based and linear models 8. Data transformations 9. Probabilistic methods 10. Deep learning 11. Beyond supervised and unsupervised learning 12. Ensemble learning 13. Moving on: applications and beyond
توضیحاتی در مورد کتاب به زبان اصلی :
Data Mining: Practical Machine Learning Tools and Techniques, Fourth Edition, offers a thorough grounding in machine learning concepts, along with practical advice on applying these tools and techniques in real-world data mining situations. This highly anticipated fourth edition of the most acclaimed work on data mining and machine learning teaches readers everything they need to know to get going, from preparing inputs, interpreting outputs, evaluating results, to the algorithmic methods at the heart of successful data mining approaches.
Extensive updates reflect the technical changes and modernizations that have taken place in the field since the last edition, including substantial new chapters on probabilistic methods and on deep learning. Accompanying the book is a new version of the popular WEKA machine learning software from the University of Waikato. Authors Witten, Frank, Hall, and Pal include today's techniques coupled with the methods at the leading edge of contemporary research.
Please visit the book companion website at http://www.cs.waikato.ac.nz/ml/weka/book.html
It contains
- Powerpoint slides for Chapters 1-12. This is a very comprehensive teaching resource, with many PPT slides covering each chapter of the book
- Online Appendix on the Weka workbench; again a very comprehensive learning aid for the open source software that goes with the book
- Table of contents, highlighting the many new sections in the 4th edition, along with reviews of the 1st edition, errata, etc.
- Provides a thorough grounding in machine learning concepts, as well as practical advice on applying the tools and techniques to data mining projects
- Presents concrete tips and techniques for performance improvement that work by transforming the input or output in machine learning methods
- Includes a downloadable WEKA software toolkit, a comprehensive collection of machine learning algorithms for data mining tasks-in an easy-to-use interactive interface
- Includes open-access online courses that introduce practical applications of the material in the book
پست ها تصادفی