دانلود کتاب Mathematical Aspects of Deep Learning
کتاب جنبه های ریاضی یادگیری عمیق نسخه زبان اصلی
دانلود کتاب جنبه های ریاضی یادگیری عمیق بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب Mathematical Aspects of Deep Learning
نام کتاب : Mathematical Aspects of Deep Learning
ویرایش : New ed.
عنوان ترجمه شده به فارسی : جنبه های ریاضی یادگیری عمیق
سری :
نویسندگان : Philipp Grohs (editor), Gitta Kutyniok (editor)
ناشر : Cambridge University Press
سال نشر : 2023
تعداد صفحات : 485
[492]
ISBN (شابک) : 1316516784 , 9781009025096
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 22 Mb
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 :
در سال‌های اخیر توسعه الگوریتم‌های طبقه‌بندی و رگرسیون جدید مبتنی بر یادگیری عمیق منجر به انقلابی در زمینه‌های هوش مصنوعی، یادگیری ماشین و تجزیه و تحلیل داده‌ها شده است. توسعه یک پایه نظری برای تضمین موفقیت این الگوریتم‌ها یکی از فعال‌ترین و هیجان‌انگیزترین موضوعات تحقیقاتی در ریاضیات کاربردی است. این کتاب درک ریاضی فعلی روش های یادگیری عمیق را از دیدگاه متخصصان برجسته در این زمینه ارائه می دهد. این هم به عنوان نقطه شروعی برای محققان و دانشجویان فارغ التحصیل در علوم کامپیوتر، ریاضیات و آمار است که سعی در ورود به این رشته دارند و هم به عنوان مرجعی ارزشمند برای تحقیقات آینده.
توضیحاتی در مورد کتاب به زبان اصلی :
In recent years the development of new classification and regression algorithms based on deep learning has led to a revolution in the fields of artificial intelligence, machine learning, and data analysis. The development of a theoretical foundation to guarantee the success of these algorithms constitutes one of the most active and exciting research topics in applied mathematics. This book presents the current mathematical understanding of deep learning methods from the point of view of the leading experts in the field. It serves both as a starting point for researchers and graduate students in computer science, mathematics, and statistics trying to get into the field and as an invaluable reference for future research.