معرفی و دانلود کتاب بازشناسی الگو و یادگیری ماشین (جلد دوم) | کریستوفر ام. بیشاپ | انتشارات آتی نگر

معرفی کتاب بازشناسی الگو و یادگیری ماشین (جلد دوم)

کتاب بازشناسی الگو و یادگیری ماشین (جلد دوم)، اثری برای آشنایی با مفاهیمِ تکمیلیِ یادگیری ماشین و بازشناسی الگو است. کریستوفر ام. بیشاپ، نویسنده ی کتاب، مباحث پیشرفته و مفاهیم تخصصیِ حوزه ی بازشناسی الگو و یادگیری ماشین را با زبانی ساده و مثال هایی خو ش فهم، در این اثر توضیح داده است. پس از مطالعه ی کتاب حاضر، با مدل های آماری پیچیده، روش های بهینه سازی پیشرفته ی اطلاعات و مفاهیم تخصصیِ یادگیری ماشین آشنا می شوید.

درباره ی کتاب بازشناسی الگو و یادگیری ماشین (جلد دوم)

کتاب بازشناسی الگو و یادگیری ماشین (جلد دوم) (Pattern Recognition and Machine Learning)، منبعی ارزشمند برای آشنایی با مفاهیم پیشرفته ی یادگیری ماشین به حساب می آید. کریستوفر ام. بیشاپ (Christopher M Bishop)، نویسنده ی کتاب، الگوریتم هایِ یادگیریِ نظارت شده و بدون نظارت، طبقه بندیِ الگوها و خوشه بندی را با زبانی ساده، توضیح داده است. برای درک بهترِ این مفاهیم پیچیده، مدل های گرافیکی در این کتاب مطرح شده است. مدل های گرافیکی در یادگیری ماشین به نمایش و تحلیل روابط پیچیده ی بین متغیرها کمک می کنند. این مدل ها باعث تسهیل استنباط های احتمالاتی، بهبود پیش بینی ها و شبیه سازی های دقیق تر سیستم های پیچیده می شوند.

مطالب کتاب بازشناسی الگو و یادگیری ماشین، مفاهیم مختلفی مانند مدل های گرافیکی احتمالی، مدل های مخلوط گوسی (GMM) و شبکه های بیزین را در بر گرفته است. در کنار این اطلاعات، مفاهیمی درباره ی الگوریتم EM و شبکه های عصبی در این اثر گنجانده شده است. شبکه های عصبی یکی از مدل های مهم در یادگیری ماشین به حساب می آید. این رویکرد از نحوه ی عملکرد مغز انسان، توانایی یادگیری الگوها و ویژگی های پیچیده از داده ها الهام گرفته شده است. مطالعه ی کتاب حاضر به خواننده کمک می کند تا شبکه هایی برای استخراج، پیش بینی و دسته بندیِ ماشینیِ اطلاعات، طراحی کند. در کنار این اطلاعات، نویسنده از مباحثی نظیر کاهش ابعاد، روش های خطی و بهینه سازی های عددی نیز در این اثر سخن رانده است. در ادامه ، توضیحاتی درباره ی موضوعات جدیدتری مانند ماشین های بردار پشتیبان (SVM)، در این اثر قرار گرفته است. ماشین های بردار پشتیبان، به عنوان یکی از پرکاربردترین الگوریتم ها در یادگیری ماشین شناخته می شود.

در انتهای هر فصل، تمرین هایی از همان فصل در کتاب مطرح شده تا خواننده با حل کردن این تمرین ها، درک بهتری از مفاهیم پیچیده ی یادگیری ماشین پیدا کند. مطالب کتاب حاضر با پیوست هایی کامل درباره ی مجموعه داده ها، توزیع های احتمال، ویژگی های ماتریس، حساب تغییرات و ضرایب لاگرانژ، خاتمه پیدا می کند. این پیوست ها، منابعی برای مطالعه ی بیشتر در اختیار خواننده قرار می دهد.

کتاب بازشناسی الگو و یادگیری ماشین (جلد دوم) را انتشارات آتی نگر، چاپ و روانه ی بازار کرده است. علی هادی پور، به عنوان مترجم این اثر شناخته می شود.

نکوداشت های کتاب بازشناسی الگو و یادگیری ماشین (جلد دوم)

• این کتاب حاوی مطالب مهمی است که می توان به راحتی از آن ها پیروی کرد، بدون اینکه خواننده محدود به یک دوره ی آموزشی از پیش تعیین شده باشد. (دبلیو آر هوارد کیبِرنِتز)؛
• کتاب حاضر، منبعی ارزشمند برای فراگیریِ الگوهایِ یادگیری ماشین به حساب می آید.(اچ. جی. فایختینگر).

کتاب بازشناسی الگو و یادگیری ماشین (جلد دوم) برای چه کسانی مناسب است؟

افرادی که مبانی یادگیری ماشین را در جلد نخست این کتاب، مطالعه کرده اند و با مفاهیم بازشناسی الگو و الگوریتم های این حوزه، آشنا هستند، مخاطب های اصلی کتاب بازشناسی الگو و یادگیری ماشین (جلد دوم) به حساب می آیند. مطالعه ی این کتاب برای خواننده هایی که درک کاملی از یادگیری ماشین دارند و به دنبال منبعی برای تجدید آموخته های خود می گردند نیز خالی از لطف نیست.

در بخشی از کتاب بازشناسی الگو و یادگیری ماشین (جلد دوم) می خوانیم

در فصل 9 ما در مورد مدل های احتمالی که دارای متغیرهای گسسته ناپیدا هستند مثل ترکیب گاوسی ها، بحث کردیم. در اینجا مدلهایی که در آنها برخی یا همه ی متغیرهای نهفته پیوسته هستند بررسی می کنیم. انگیزه اصلی طرح این نوع از مدل ها این است که بسیاری از مجموعه داده ها دارای این ویژگی هستند که داده ها همگی در نزدیکی خمینه 1با ابعاد بسیار کمتر از فضای اصلی داده ها قرار می گیرند.

فهرست مطالب کتاب

8. مدل های گرافیکی
9. مدل های مخلوط و em
10. استنباط تقریبی
11. روش های نمونه برداری
12. متغیرهای پنهانی پیوسته
13. داده ترتیبی
14.مدل های ترکیبی
پیوست الف. مجموعه داده ها
پیوست ب. توزیع های احتمال
پیوست ج. ویژگی های ماتریس
پیوست د. حساب تغییرات
پیوست ه. ضرایب لاگرانژ
منابع