دانلود کتاب مطالعات موردی جوش و برش با یادگیری ماشین نظارت 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 : Welding and Cutting Case Studies with Supervised Machine Learning
ویرایش : 1st ed.
عنوان ترجمه شده به فارسی : مطالعات موردی جوش و برش با یادگیری ماشین نظارت شده
سری : Engineering Applications of Computational Methods 1
نویسندگان : S. Arungalai Vendan, Rajeev Kamal, Abhinav Karan, Liang Gao, Xiaodong Niu, Akhil Garg
ناشر : Springer Singapore;Springer
سال نشر : 2020
تعداد صفحات : 256
ISBN (شابک) : 9789811393815 , 9789811393822
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 20 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 یادگیری ماشینی را به عنوان مجموعه ای از پیش نیازها، پیش نیازها و پس نیازها با تمرکز بر مفاهیم ریاضی و کاربردهای مهندسی در فرآیندهای جوشکاری و برش پیشرفته ارائه می دهد. تعدادی از فرآیندهای جوشکاری و برش پیشرفته را توصیف میکند و سپس وابستگیهای پارامتری دو موجودیت، یعنی تجزیه و تحلیل دادهها و تکنیکهای تجسم دادهها را که هسته یادگیری ماشین را تشکیل میدهند، ارزیابی میکند. متعاقباً، یادگیری نظارت شده را مورد بحث قرار می دهد و کتابخانه های پایتون مانند NumPy، Pandas و برنامه نویسی Scikit Learn را برجسته می کند. همچنین شامل مطالعات موردی است که از یادگیری ماشین برای فرآیندهای تولید در حوزه مهندسی استفاده می کند. این کتاب نه تنها مقدمه ای بر یادگیری ماشین برای علوم کاربردی برای مبتدیان فراهم می کند و آنها را قادر می سازد تا به رقابت جهانی و کار بر روی چالش های فنی در زمان واقعی بپردازند، بلکه منبع ارزشمندی برای دانش پژوهان با دانش حوزه است.
This book presents machine learning as a set of pre-requisites, co-requisites, and post-requisites, focusing on mathematical concepts and engineering applications in advanced welding and cutting processes. It describes a number of advanced welding and cutting processes and then assesses the parametrical interdependencies of two entities, namely the data analysis and data visualization techniques, which form the core of machine learning. Subsequently, it discusses supervised learning, highlighting Python libraries such as NumPy, Pandas and Scikit Learn programming. It also includes case studies that employ machine learning for manufacturing processes in the engineering domain. The book not only provides beginners with an introduction to machine learning for applied sciences, enabling them to address global competitiveness and work on real-time technical challenges, it is also a valuable resource for scholars with domain knowledge.