ترجمه کتاب یادگیری ماشین (Machine Learning) نوشته تام میشل
در این بخش دانلود رایگان ترجمه کتاب یادگیری ماشین نوشته تام میشل (Machine Learning: Tom M. Mitchell) را با شما کاربران گرامی به اشتراک گذاشته ایم که توسط محمد نخبه زعیم ترجمه شده است. این ترجمه در قالب ۱۳ فصل و ۳۸۰ صفحه به صورت فایل PDF ارائه شده است. در ادامه به معرفی این کتاب یادگیری ماشین پرداخته و سرفصل های آن به همراه لینک دانلود رایگان کتاب قرار داده شده است.
پیشگفتار کتاب
در بحث یادگیری ماشین (Machine Learning) همیشه با این سوال و مواجه می شویم که به چه روشی می توانیم ساختاری برای برنامه های کامپیوتری طراحی کنیم که قادر باشد تا به کمک آزمایش های مختلف، به مهارت و تجربه خود اضافه کند. اخیرا کاربرد آموزش به سیستم ها در عرصه های مختلف به طور وسیعی گسترش یافته که از جمله آنها می توان به نرم افزار های داده کاوی (Data Mining) اشاره کرد که قارد هستند تا در برابر حملات و سرقت های اینترنتی به مقابله بپردازند. سیستم های اطلاعاتی که می توانند علاقه هر شخص را به انواع مختلفی از اطلاعات را تعیین نمایند و یا حتی خودرو های خودران که قارد به یادگیری هستند که چطور بدون راننده و به صورت اتوماتیک در خیابان ها رانندگی کنند.
اهداف کتاب
هدف اصلی در این کتاب یادگیری ماشین ، معرفی راه حل ها و الگوریتم های اصلی که هسته اصلی یادگیری ماشین به خواننده می باشد ولی باید توجه داشت در این رویکرد سعی بر این بوده تا از دانش های مختلف مثل آمار ، هوش مصنوعی ، تئوری اطلاعات بیولوژیک ، تئوری کنترل ، پیچیدگی های محاسباتی و همینطور دانش فلسفه در رسیدن به این هدف کمک بگیریم. کتاب یادگیری ماشین تام میشل (Tom M. Mitchell) می تواند هم توسط دانشجویان دوره کارشناسی و هم توسط دانشجویان دوره کارشناسی ارشد در رشته های علوم کامپیوتر، مهندسی کامپیوتر، آمار و غیره مورد مطالعه قرار گیرد. همینطور این کتاب Machine Learning می تواند به عنوان مرجعی مناسب برای برنامه نویسان حرفه ای و غیر حرفه ای باشد.
بخش تمرین یادگیری ماشین با ارائه الگوریتم های اصلی در این زمینه و دنبال کردن عمکرد آنها انجام می شود. داده های واقعی و بسیاری از الگوریتم ها در صفحه شخصی تام در سایت cs.cmu.edu به آدرس http://www.cs.cmu.edu/~tom/mlbook.html قرار داده شده است. کد های شبکه های عصبی (Neural Networks) ، داده های بازشناختی ، کد های یادگیری درختی، داده های بررسی های وام گیرندگان، کد های دسته بندی کننده های بیز و داده های بررسی های متون در آنجا آورده شده اند.
سرفصل کتاب یادگیری ماشین
- مقدمه
- فصل اول: چگونه می توان به ماشین یاد داد (یادگیری ماشین)
- فصل دوم: یادگیری مفهوم و ترکیب کل به جز
- فصل سوم: یادگیری درخت تصمیم گیری (Decision Tree)
- فصل چهارم: شبکه های عصبی مصنوعی (Artificial Neural Networks – ANN)
- فصل پنجم: ارزیابی فرضیه ها
- فصل ششم: یادگیری بیزی
- فصل هفتم: یادگیری محاسباتی (Computational Learning)
- فصل هشتم: یادگیری مبتنی بر نمونه ها
- فصل نهم: الگوریتم های ژنتیک (Genetic Algorithm)
- فصل دهم: یادگیری دست قوانین
- فصل یازدهم: یادگیری تحلیلی (Analytical Learning)
- فصل دوازدهم: ترکیب یادگیری تحلیلی و استقرایی
- فصل سیزدهم: یادگیری تقویتی (Reinforcement Learning)
با عرض سلام فایل دانلود قابل اکسترکت کردن نیس که
بررسی شد مشکل نداره، احتمالا ناقص دانلود شده. دوباره دانلود کنید.
کتابی برای کاربردهای هوش مصنوعی و یادگیری ماشین در مباحث مخابراتی که بیشتر در مورد کاربردهای یادگیری ماشین در نسل پنجم و ششم سلولی پرداخته باشه ممنون میشم راهنمایی بفرمایید
سلام وقت بخیر. معذرت نویسنده اش راضی هست که دانلود کنیم؟