دسته: آموزشی
دانلود کتاب Metalearning: کاربردهای داده کاوی 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 : Metalearning: Applications to Data Mining
ویرایش : 1
عنوان ترجمه شده به فارسی : Metalearning: کاربردهای داده کاوی
سری : Cognitive Technologies
نویسندگان : Pavel Brazdil, Christophe Giraud-Carrier, Carlos Soares, Ricardo Vilalta (auth.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2009
تعداد صفحات : 182
ISBN (شابک) : 3540732624 , 9783540732624
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 5 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.
Metalearning مطالعه روشهای اصولی است که از دانش فرا برای به دست آوردن مدلها و راهحلهای کارآمد با تطبیق فرآیندهای یادگیری ماشین و دادهکاوی استفاده میکند. در حالی که انواع تکنیکهای یادگیری ماشین و دادهکاوی در حال حاضر در دسترس هستند، اصولاً میتوانند راهحلهای مدل خوبی را ارائه دهند، هنوز یک روش برای هدایت جستجوی مناسبترین مدل به روشی کارآمد مورد نیاز است. Metalearning یکی از این روشها را ارائه میکند که به سیستمها اجازه میدهد از طریق تجربه مؤثرتر شوند.
این کتاب چندین رویکرد برای کسب دانش در مورد عملکرد الگوریتمهای یادگیری ماشین و دادهکاوی را مورد بحث قرار میدهد. این نشان میدهد که چگونه میتوان از این دانش برای انتخاب، ترکیب، ترکیب و تطبیق الگوریتمها و مدلها برای ارائه راهحلهای سریعتر و مؤثرتر برای مشکلات دادهکاوی استفاده مجدد کرد. بنابراین می تواند به توسعه دهندگان کمک کند تا الگوریتم های خود را بهبود بخشند و همچنین سیستم های یادگیری را توسعه دهند که می توانند خود را بهبود بخشند.
این کتاب مورد توجه محققان و دانشجویان تحصیلات تکمیلی در زمینههای یادگیری ماشین، داده کاوی و هوش مصنوعی خواهد بود.
Metalearning is the study of principled methods that exploit metaknowledge to obtain efficient models and solutions by adapting machine learning and data mining processes. While the variety of machine learning and data mining techniques now available can, in principle, provide good model solutions, a methodology is still needed to guide the search for the most appropriate model in an efficient way. Metalearning provides one such methodology that allows systems to become more effective through experience.
This book discusses several approaches to obtaining knowledge concerning the performance of machine learning and data mining algorithms. It shows how this knowledge can be reused to select, combine, compose and adapt both algorithms and models to yield faster, more effective solutions to data mining problems. It can thus help developers improve their algorithms and also develop learning systems that can improve themselves.
The book will be of interest to researchers and graduate students in the areas of machine learning, data mining and artificial intelligence.