Τηλέφωνο Επικοινωνίας 2109802520
Τρίτη έως Παρασκευή: 10:00 - 18:00 | Σάββατο: 10:00 - 18:00
ΔΩΡΕΑΝ ΜΕΤΑΦΟΡΙΚΑΓΙΑ ΠΑΡΑΓΓΕΛΙΕΣ ΑΝΩ ΤΩΝ 25.00 €
ΔΩΡΕΑΝ ΜΕΤΑΦΟΡΙΚΑ για παραγγελίες άνω των 25.00 €

Μηχανική μάθηση

κατηγορία Νέες Εκδόσεις
Το βιβλίο Μηχανική μάθηση: Πίσω από τους αλγορίθμους παρουσιάζει αλγορίθμους και τεχνικές μηχανικής μάθησης με έναν τρόπο που ο καθένας μπορεί να κατανοήσει....
9789606459030
Συγγραφέας: LUIS G. SERRANO
Εκδόσεις: Κλειδάριθμος
Κατόπιν Παραγγελίας
Αποστέλλεται σε 1 με 3 ημέρες υπό την προϋπόθεση διαθέσιμου αποθέματος στον εκδότη
Τιμή Εκδότη 46.00 €
41.40 €
Κέρδος: 4.60 € (10%)
Σε Προσφορά
+ −

Σχετικά Βιβλία

Περιγραφή

Το βιβλίο Μηχανική μάθηση: Πίσω από τους αλγορίθμους παρουσιάζει αλγορίθμους και τεχνικές μηχανικής μάθησης με έναν τρόπο που ο καθένας μπορεί να κατανοήσει. Το βιβλίο αποφεύγει την περίπλοκη ακαδημαϊκή ορολογία και παρέχει σαφείς εξηγήσεις που απαιτούν μόνο βασική άλγεβρα. Στην πορεία, θα υλοποιήσετε ενδιαφέροντα έργα σε Python, συμπεριλαμβανομένων μοντέλων για τον εντοπισμό ανεπιθύμητης αλληλογραφίας (spam) και την αναγνώριση εικόνων.
Θα αποκτήσετε επίσης πρακτικές δεξιότητες για τον καθαρισμό και την προετοιμασία δεδομένων.
Τι περιλαμβάνεται στο βιβλίο:
Αλγόριθμοι επιβλεπόμενης μάθησης (supervised learning) για ταξινόμηση και διαχωρισμό δεδομένωνΜέθοδοι για τον καθαρισμό και την απλοποίηση δεδομένωνΠακέτα και εργαλεία μηχανικής μάθησηςΝευρωνικά δίκτυα και συλλογικές μέθοδοι (ensemble methods) για πολύπλοκα σύνολα δεδομένωνΚατάλληλο για αναγνώστες με βασικές γνώσεις Python. Δεν απαιτούνται γνώσεις μηχανικής μάθησης.
ΠεριεχόμεναΚεφάλαιο 1: Τι είναι η μηχανική μάθηση; Είναι κοινή λογική, με τη διαφορά ότι εφαρμόζεται από έναν υπολογιστήΚεφάλαιο 2: Τύποι μηχανικής μάθησηςΚεφάλαιο 3: Σχεδίαση μιας ευθείας κοντά στα σημεία μας: Γραμμική παλινδρόμησηΚεφάλαιο 4: Βελτιστοποίηση της εκπαίδευσης: Υπερπροσαρμογή, υποπροσαρμογή, έλεγχος, και ομαλοποίησηΚεφάλαιο 5: Χρήση ευθειών για τον διαχωρισμό των σημείων μας: Ο αλγόριθμος perceptronΚεφάλαιο 6: Μια συνεχής προσέγγιση για τον διαχωρισμό σημείων: Λογιστικοί ταξινομητέςΚεφάλαιο 7: Πώς μετράμε την απόδοση των μοντέλων ταξινόμησης; Η ορθότητα και οι φίλοι τηςΚεφάλαιο 8: Αξιοποίηση της πιθανότητας στο έπακρο: Το απλοϊκό μοντέλο BayesΚεφάλαιο 9: Διαχωρισμός δεδομένων με ερωτήσεις: Δένδρα αποφάσεωνΚεφάλαιο 10: Συνδυασμός δομικών μπλοκ για την απόκτηση περισσότερης ισχύος: Νευρωνικά δίκτυαΚεφάλαιο 11: Εύρεση ορίων με στιλ: Μηχανές διανυσμάτων υποστήριξης και η μέθοδος πυρήναΚεφάλαιο 12: Συνδυασμός μοντέλων για τη μεγιστοποίηση των αποτελεσμάτων: Συλλογική μάθησηΚεφάλαιο 13: Ώρα για εφαρμογή στην πράξη: Ένα πραγματικό παράδειγμα μηχανικής δεδομένων και μηχανικής μάθησης

Πληροφορίες

Εκδόσεις:
ISBN 13:
978-960-645-903-0
Αριθμός Σελίδων:
584
Διαστάσεις:
24x17
Εξώφυλλο:
Μαλακό εξώφυλλο
Έτος Έκδοσης:
2026
Συγγραφέας:
Μεταφραστής:
Βασίλης Βερύκιος, ΔΙΑΜΑΝΤΩ ΤΖΑΝΟΥΛΙΝΟΥ
Εικονογράφος:
Κωστής Πετρίδης

Κριτικές

Δεν βρέθηκαν δημοσιεύσεις

Πες μας τη γνώμη σου
Χρησιμοποιούμε Cookies!
Χρησιμοποιούμε cookies για την εξατομίκευση περιεχομένου και διαφημίσεων, την παροχή λειτουργιών κοινωνικών μέσων, την ανάλυση της επισκεψιμότητάς μας, αλλά και για να σας εξασφαλίσουμε μία κορυφαία και απροβλημάτιστη εμπειρία περιήγησης.
Αν αποδέχεστε μόνο τα απαραίτητα cookies, δεν θα είναι πλέον διαθέσιμες κάποιες λειτουργίες του site, που εξαρτώνται από τα cookies τρίτων. Για να έχετε διαθέσιμες όλες τις λειτουργίες, θα πρέπει να κάνετε αποδοχή όλων.

✔
Αυτά τα cookies είναι απαραίτητα για τη λειτουργία του ιστότοπου.

Τα cookies λειτουργικότητας χρησιμοποιούνται για την βελτίωση της λειτουργίας του ιστότοπου.

Τα cookies διαφήμισης μας βοηθουν να προβάλουμε περιεχομένο σχετικά με τα ενδιαφέροντα σας.

Τα cookies στατιστικών μας δίνουν τη δυνατότητα να βελτιώνουμε την εμπειρία που προσφέρουμε.