در مبحث یادگیری ماشین (Machine Learning) همواره با این سوال روبرو هستیم که چگونه می توان ساختاری برای برنامه های کامپیوتری طراحی نمود که بتوانند با استفاده از آزمایش های متعدد بر مهارت و تجربه خود بیفزایند. امروزه کاربرد یاددهی به سیستم ها در عرصه های گوناگون گسترش یافته است، برای مثال نرم افزارهای کاوشگر داده (Data-mining Softwares) ایجاد شده که می توانند در برابر حملات و سرقت های اینترنتی مقابله کنند، سیستم های اطلاعاتی که می توانند علاقهی هر فرد به انواع اطلاعات را مشخص کنند و یا حتی خودرو های خودران که می توانند یاد بگیرند چگونه بدون راننده در خیابان رانندگی کنند.
هدف این نوشته معرفی راه حل ها و الگوریتم های کلیدی تشکیل دهنده هسته ای یادگیری ماشین به خواننده است اما باید گفت در این راه سعی شده از دانش های گوناگون نظیر آمار ، هوشمصنوعی ، فلسفه ، تئوری اطلاعات بیولوژیک، پیچیدگی های محاسباتی و تئوری کنترل در رسیدن به این هدف کمک بگیریم. از نظر ما بهترین راه برای آموختن یادگیری ماشین نزدیک شدن به مطالب ، تمام وجوه و مفاهیم آن است. در گذشته این کار به خاطر نبود اطلاعات اولیه در تمامی جنبه ها در یک جا سخت به نظر میرسید هدف اولیه این کتاب ارائه چنین اطلاعاتی در کنار هم است.

عنوان کتاب : یادگیری ماشین (Machine Learning)
نویسنده : Tom M. Mitchell
مترجم: محمد نخبه زعیم
ساختار فایل : PDF
زبان کتاب : پارسی
تعداد صفحات : ۳۸۰ صفحه
حجم فایل : ۱۳٫۸ مگابایت
رمز فایل فشرده : www.irstu.com
در صورتی که اشتراک دارید جهت مشاهده لینک دانلود وارد شوید.
در صورتی که هنوز ثبت نام نکرده اید، هماکنون اقدام نمایید.
منبع: دانشجوی ایرانی
سرفصل مطالب این کتاب عبارتند از: