دانلود کتاب سیستمهای یادگیری ماشینی قابل اعتماد و ایمن مهندسی: سومین کارگاه بینالمللی، EDSMLS 2020، شهر نیویورک، نیویورک، ایالات متحده آمریکا، 7 فوریه 2020، مقالات منتخب اصلاح شده بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
نام کتاب : Engineering Dependable and Secure Machine Learning Systems: Third International Workshop, EDSMLS 2020, New York City, NY, USA, February 7, 2020, Revised Selected Papers
ویرایش : 1st ed.
عنوان ترجمه شده به فارسی : سیستمهای یادگیری ماشینی قابل اعتماد و ایمن مهندسی: سومین کارگاه بینالمللی، EDSMLS 2020، شهر نیویورک، نیویورک، ایالات متحده آمریکا، 7 فوریه 2020، مقالات منتخب اصلاح شده
سری : Communications in Computer and Information Science 1272
نویسندگان : Onn Shehory, Eitan Farchi, Guy Barash
ناشر : Springer International Publishing;Springer
سال نشر : 2020
تعداد صفحات : 150
ISBN (شابک) : 9783030621438 , 9783030621445
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 15 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.
این کتاب شامل مقالات منتخب تجدید نظر شده سومین کارگاه بینالمللی مهندسی سیستمهای یادگیری ماشین مطمئن و مطمئن، EDSMLS 2020 است که در شهر نیویورک، نیویورک، ایالات متحده آمریکا، در فوریه 2020 برگزار شد.
7 مقاله کامل و 3 مقاله مقالات کوتاه به طور کامل بررسی و از 16 مورد ارسالی انتخاب شدند. این جلد تحقیقات اصلی را در مورد قابلیت اطمینان و تضمین کیفیت سیستمهای نرمافزار ML، حملات خصمانه به سیستمهای نرمافزار ML، ML مخالف و مهندسی نرمافزار، و غیره ارائه میدهد.
This book constitutes the revised selected papers of the Third International Workshop on Engineering Dependable and Secure Machine Learning Systems, EDSMLS 2020, held in New York City, NY, USA, in February 2020.
The 7 full papers and 3 short papers were thoroughly reviewed and selected from 16 submissions. The volume presents original research on dependability and quality assurance of ML software systems, adversarial attacks on ML software systems, adversarial ML and software engineering, etc.