Von dem Buch Introduction to Machine Learning (Adaptive Computation and Machine Learning) haben wir 2 gleiche oder sehr ähnliche Ausgaben identifiziert!
Falls Sie nur an einem bestimmten Exempar interessiert sind, können Sie aus der folgenden Liste jenes wählen, an dem Sie interessiert sind:
100%: Ethem Alpaydin (author), Simone Linke (translator): Introduction to Machine Learning (Adaptive Computation and Machine Learning) (ISBN: 9783486581140) 2008, Erstausgabe, in Deutsch, Taschenbuch.Nur diese Ausgabe anzeigen…
67%: Ethem Alpaydin: Introduction to Machine Learning (ISBN: 9780262325752) 2014, 3. Ausgabe, in Englisch, Taschenbuch.Nur diese Ausgabe anzeigen…
Introduction to Machine Learning (Adaptive Computation and Machine Learning)
16 Angebote vergleichen
| Preise | 2015 | 2016 | 2017 | 2018 | 2023 |
|---|---|---|---|---|---|
| Schnitt | € 51,45 | € 56,57 | € 57,57 | € 67,41 | € 23,83 |
| Nachfrage |
1
Maschinelles Lernen (2008)
DE PBISBN: 3486581147 bzw. 9783486581140, in Deutsch, Oldenbourg Wissenschaftsverlag, Taschenbuch.
Lieferung aus: Deutschland, بالإضافة إلى الشحن.
Von Händler/Antiquariat, Antiquariat Lombarde Bernd Kretschmer - die wunderschöne Welt des Buches - "because good books shouldnt be read only once!", 30880 Laatzen.
460 Seiten 17 x 24.2 x 2.8 cm, Taschenbuch [Beschreibung]: Maschinelles Lernen heißt, Computer so zu programmieren, dass ein bestimmtes Leistungskriterium anhand von Beispieldaten und Erfahrungswerten aus der Vergangenheit optimiert wird. Das vorliegende Buch diskutiert diverse Methoden, die ihre Grundlagen in verschiedenen Themenfeldern haben: Statistik, Mustererkennung, neuronale Netze, Künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. In der Vergangenheit verfolgten Forscher verschiedene Wege mit unterschiedlichen Schwerpunkten. Das Anliegen dieses Buches ist es, all diese unterschiedlichen Ansätze zu kombinieren, um eine allumfassende Behandlung der Probleme und ihrer vorgeschlagenen Lösungen zu geben. [Info]: SIE SUCHEN EIN BUCH, CD ODER DVD IN DEUTSCH ODER ENGLISCH? FRAGEN SIE UNS - WIR BEMÜHEN UNS ES FÜR SIE ZU BESCHAFFEN! Abmahnung: Sollte der Inhalt oder die Aufmachung dieser Seite bzw. Anzeige fremde Rechte Dritter oder gesetzliche Bestimmungen verletzen, so bitte ich um eine entsprechende Nachricht ohne Kostennote. Ich garantiere, dass die zu Recht beanstandeten Passagen unverzüglich entfernt werden, ohne dass von Ihrer Seite die Einschaltung eines Rechtsbeistandes erforderlich ist. Dennoch von Ihnen ohne vorherige Kontaktaufnahme ausgelöste Kosten werde ich vollumfänglich zurückweisen und gegebenenfalls Gegenklage wegen Verletzung vorgenannter Bestimmungen einreichen. [INT]: LF: B30035 Versand D: 3,60 EUR.
Von Händler/Antiquariat, Antiquariat Lombarde Bernd Kretschmer - die wunderschöne Welt des Buches - "because good books shouldnt be read only once!", 30880 Laatzen.
460 Seiten 17 x 24.2 x 2.8 cm, Taschenbuch [Beschreibung]: Maschinelles Lernen heißt, Computer so zu programmieren, dass ein bestimmtes Leistungskriterium anhand von Beispieldaten und Erfahrungswerten aus der Vergangenheit optimiert wird. Das vorliegende Buch diskutiert diverse Methoden, die ihre Grundlagen in verschiedenen Themenfeldern haben: Statistik, Mustererkennung, neuronale Netze, Künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. In der Vergangenheit verfolgten Forscher verschiedene Wege mit unterschiedlichen Schwerpunkten. Das Anliegen dieses Buches ist es, all diese unterschiedlichen Ansätze zu kombinieren, um eine allumfassende Behandlung der Probleme und ihrer vorgeschlagenen Lösungen zu geben. [Info]: SIE SUCHEN EIN BUCH, CD ODER DVD IN DEUTSCH ODER ENGLISCH? FRAGEN SIE UNS - WIR BEMÜHEN UNS ES FÜR SIE ZU BESCHAFFEN! Abmahnung: Sollte der Inhalt oder die Aufmachung dieser Seite bzw. Anzeige fremde Rechte Dritter oder gesetzliche Bestimmungen verletzen, so bitte ich um eine entsprechende Nachricht ohne Kostennote. Ich garantiere, dass die zu Recht beanstandeten Passagen unverzüglich entfernt werden, ohne dass von Ihrer Seite die Einschaltung eines Rechtsbeistandes erforderlich ist. Dennoch von Ihnen ohne vorherige Kontaktaufnahme ausgelöste Kosten werde ich vollumfänglich zurückweisen und gegebenenfalls Gegenklage wegen Verletzung vorgenannter Bestimmungen einreichen. [INT]: LF: B30035 Versand D: 3,60 EUR.
2
Maschinelles Lernen (2008)
DE PB USISBN: 3486581147 bzw. 9783486581140, in Deutsch, Oldenbourg Wissenschaftsverlag, Taschenbuch, gebraucht.
Von Händler/Antiquariat, Antiquariat Lombarde Bernd Kretschmer - die wunderschöne Welt des Buches - "because good books shouldn?t be read only once!" Bernd Kretschmer, 30880 Laatzen.
17 x 24.2 x 2.8 cm, Taschenbuch 460 Seiten Taschenbuch [Beschreibung]: Maschinelles Lernen heißt, Computer so zu programmieren, dass ein bestimmtes Leistungskriterium anhand von Beispieldaten und Erfahrungswerten aus der Vergangenheit optimiert wird. Das vorliegende Buch diskutiert diverse Methoden, die ihre Grundlagen in verschiedenen Themenfeldern haben: Statistik, Mustererkennung, neuronale Netze, Künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. In der Vergangenheit verfolgten Forscher verschiedene Wege mit unterschiedlichen Schwerpunkten. Das Anliegen dieses Buches ist es, all diese unterschiedlichen Ansätze zu kombinieren, um eine allumfassende Behandlung der Probleme und ihrer vorgeschlagenen Lösungen zu geben. [Info]: SIE SUCHEN EIN BUCH, CD ODER DVD IN DEUTSCH ODER ENGLISCH? FRAGEN SIE UNS - WIR BEMÜHEN UNS ES FÜR SIE ZU BESCHAFFEN! Abmahnung: Sollte der Inhalt oder die Aufmachung dieser Seite bzw. Anzeige fremde Rechte Dritter oder gesetzliche Bestimmungen verletzen, so bitte ich um eine entsprechende Nachricht ohne Kostennote. Ich garantiere, dass die zu Recht beanstandeten Passagen unverzüglich entfernt werden, ohne dass von Ihrer Seite die Einschaltung eines Rechtsbeistandes erforderlich ist. Dennoch von Ihnen ohne vorherige Kontaktaufnahme ausgelöste Kosten werde ich vollumfänglich zurückweisen und gegebenenfalls Gegenklage wegen Verletzung vorgenannter Bestimmungen einreichen. [INT]: LF: B30035, gebraucht; gut.
17 x 24.2 x 2.8 cm, Taschenbuch 460 Seiten Taschenbuch [Beschreibung]: Maschinelles Lernen heißt, Computer so zu programmieren, dass ein bestimmtes Leistungskriterium anhand von Beispieldaten und Erfahrungswerten aus der Vergangenheit optimiert wird. Das vorliegende Buch diskutiert diverse Methoden, die ihre Grundlagen in verschiedenen Themenfeldern haben: Statistik, Mustererkennung, neuronale Netze, Künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. In der Vergangenheit verfolgten Forscher verschiedene Wege mit unterschiedlichen Schwerpunkten. Das Anliegen dieses Buches ist es, all diese unterschiedlichen Ansätze zu kombinieren, um eine allumfassende Behandlung der Probleme und ihrer vorgeschlagenen Lösungen zu geben. [Info]: SIE SUCHEN EIN BUCH, CD ODER DVD IN DEUTSCH ODER ENGLISCH? FRAGEN SIE UNS - WIR BEMÜHEN UNS ES FÜR SIE ZU BESCHAFFEN! Abmahnung: Sollte der Inhalt oder die Aufmachung dieser Seite bzw. Anzeige fremde Rechte Dritter oder gesetzliche Bestimmungen verletzen, so bitte ich um eine entsprechende Nachricht ohne Kostennote. Ich garantiere, dass die zu Recht beanstandeten Passagen unverzüglich entfernt werden, ohne dass von Ihrer Seite die Einschaltung eines Rechtsbeistandes erforderlich ist. Dennoch von Ihnen ohne vorherige Kontaktaufnahme ausgelöste Kosten werde ich vollumfänglich zurückweisen und gegebenenfalls Gegenklage wegen Verletzung vorgenannter Bestimmungen einreichen. [INT]: LF: B30035, gebraucht; gut.
3
Maschinelles Lernen
DE USISBN: 9783486581140 bzw. 3486581147, in Deutsch, Oldenbourg, München, Deutschland, gebraucht, guter Zustand.
Lieferung aus: Deutschland, 2-3 Werktage.
Maschinelles Lernen heißt, Computer so zu programmieren, dass ein bestimmtes Leistungskriterium anhand von Beispieldaten und Erfahrungswerten aus der Vergangenheit optimiert wird. Das vorliegende Buch diskutiert diverse Methoden, die ihre Grundlagen in verschiedenen Themenfeldern haben: Statistik, Mustererkennung, neuronale Netze, Künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. In der Vergangenheit verfolgten Forscher verschiedene Wege mit unterschiedlichen Schwerpunkten. Das Anliegen dieses Buches ist es, all diese unterschiedlichen Ansätze zu kombinieren, um eine allumfassende Behandlung der Probleme und ihrer vorgeschlagenen Lösungen zu geben. von Alpaydin, Ethem; Gut.
Maschinelles Lernen heißt, Computer so zu programmieren, dass ein bestimmtes Leistungskriterium anhand von Beispieldaten und Erfahrungswerten aus der Vergangenheit optimiert wird. Das vorliegende Buch diskutiert diverse Methoden, die ihre Grundlagen in verschiedenen Themenfeldern haben: Statistik, Mustererkennung, neuronale Netze, Künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. In der Vergangenheit verfolgten Forscher verschiedene Wege mit unterschiedlichen Schwerpunkten. Das Anliegen dieses Buches ist es, all diese unterschiedlichen Ansätze zu kombinieren, um eine allumfassende Behandlung der Probleme und ihrer vorgeschlagenen Lösungen zu geben. von Alpaydin, Ethem; Gut.
4
Introduction to Machine Learning
EN EBISBN: 9780262325752 bzw. 0262325756, in Englisch, Vitalsource Technologies, Inc. E-Book.
Lieferung aus: Vereinigte Staaten von Amerika, In Stock.
9780262325752,0262325756,introduction,machine,learning,ethem, A digital copy of "Introduction to Machine Learning" by Ethem Alpaydin. Download is immediately available upon purchase! eBook, Format: VitalSource. Type: . Copying: Allowed, .2Â.36 selections may be copied every 2Â.365 days. Printable: Allowed, .2Â.36 prints for 2Â.365 days. Expires: No Expiration. Read Aloud?: Allowed. Sharing: Not Allowed. Software: Online: No additional software required Offline: VitalSource Bookshelf. Shipping to USA only!
9780262325752,0262325756,introduction,machine,learning,ethem, A digital copy of "Introduction to Machine Learning" by Ethem Alpaydin. Download is immediately available upon purchase! eBook, Format: VitalSource. Type: . Copying: Allowed, .2Â.36 selections may be copied every 2Â.365 days. Printable: Allowed, .2Â.36 prints for 2Â.365 days. Expires: No Expiration. Read Aloud?: Allowed. Sharing: Not Allowed. Software: Online: No additional software required Offline: VitalSource Bookshelf. Shipping to USA only!
5
Maschinelles Lernen (German Edition) (2008)
DE PB NW FEISBN: 9783486581140 bzw. 3486581147, in Deutsch, 440 Seiten, Oldenbourg Wissenschaftsverlag, Taschenbuch, neu, Erstausgabe.
جديد من: $61.60 (14 ويقدم)
تستخدم من: $56.59 (6 ويقدم)
إظهار المزيد من العروض من 20 Amazon.com
Lieferung aus: Vereinigte Staaten von Amerika, Usually ships in 24 hours, بالإضافة إلى الشحن (في حالة شحنها).
Von Händler/Antiquariat, Amazon.com.
Unter maschinellem Lernen versteht man die künstliche Generierung von Wissen aus Erfahrung. Das vorliegende Buch diskutiert Methoden aus den Bereichen Statistik, Mustererkennung etc. und versucht, die unterschiedlichen Ansätze zu kombinieren, um möglichst effiziente Lösungen zu finden. Paperback, الطبعة: 1, التسمية: Oldenbourg Wissenschaftsverlag, Oldenbourg Wissenschaftsverlag, مجموعة المنتجات: Book, ونشرت: 2008-04-21, تاريخ الإصدار: 2008-04-21, ستوديو: Oldenbourg Wissenschaftsverlag, رتبة المبيعات: 12774056.
Von Händler/Antiquariat, Amazon.com.
Unter maschinellem Lernen versteht man die künstliche Generierung von Wissen aus Erfahrung. Das vorliegende Buch diskutiert Methoden aus den Bereichen Statistik, Mustererkennung etc. und versucht, die unterschiedlichen Ansätze zu kombinieren, um möglichst effiziente Lösungen zu finden. Paperback, الطبعة: 1, التسمية: Oldenbourg Wissenschaftsverlag, Oldenbourg Wissenschaftsverlag, مجموعة المنتجات: Book, ونشرت: 2008-04-21, تاريخ الإصدار: 2008-04-21, ستوديو: Oldenbourg Wissenschaftsverlag, رتبة المبيعات: 12774056.
6
Maschinelles Lernen (German Edition) (2008)
DE PB US FEISBN: 9783486581140 bzw. 3486581147, in Deutsch, 440 Seiten, Oldenbourg Wissenschaftsverlag, Taschenbuch, gebraucht, Erstausgabe.
جديد من: $61.60 (14 ويقدم)
تستخدم من: $56.59 (6 ويقدم)
إظهار المزيد من العروض من 20 Amazon.com
Lieferung aus: Vereinigte Staaten von Amerika, Usually ships in 1-2 business days, يمكن أن تختلف تكاليف الشحن الحقيقي.
Von Händler/Antiquariat, SuperBookDeals---.
Unter maschinellem Lernen versteht man die künstliche Generierung von Wissen aus Erfahrung. Das vorliegende Buch diskutiert Methoden aus den Bereichen Statistik, Mustererkennung etc. und versucht, die unterschiedlichen Ansätze zu kombinieren, um möglichst effiziente Lösungen zu finden. Paperback, الطبعة: 1, التسمية: Oldenbourg Wissenschaftsverlag, Oldenbourg Wissenschaftsverlag, مجموعة المنتجات: Book, ونشرت: 2008-04-21, تاريخ الإصدار: 2008-04-21, ستوديو: Oldenbourg Wissenschaftsverlag, رتبة المبيعات: 12774056.
Von Händler/Antiquariat, SuperBookDeals---.
Unter maschinellem Lernen versteht man die künstliche Generierung von Wissen aus Erfahrung. Das vorliegende Buch diskutiert Methoden aus den Bereichen Statistik, Mustererkennung etc. und versucht, die unterschiedlichen Ansätze zu kombinieren, um möglichst effiziente Lösungen zu finden. Paperback, الطبعة: 1, التسمية: Oldenbourg Wissenschaftsverlag, Oldenbourg Wissenschaftsverlag, مجموعة المنتجات: Book, ونشرت: 2008-04-21, تاريخ الإصدار: 2008-04-21, ستوديو: Oldenbourg Wissenschaftsverlag, رتبة المبيعات: 12774056.
7
Introduction to Machine Learning (Adaptive Computation and Machine Learning series) (2014)
EN NW EB DLISBN: 9780262325752 bzw. 0262325756, in Englisch, 640 Seiten, 3. Ausgabe, The MIT Press, neu, E-Book, elektronischer Download.
Lieferung aus: Vereinigtes Königreich Großbritannien und Nordirland, E-Book zum Download, Versandkostenfrei.
The goal of machine learning is to program computers to use example data or past experience to solve a given problem. Many successful applications of machine learning exist already, including systems that analyze past sales data to predict customer behavior, optimize robot behavior so that a task can be completed using minimum resources, and extract knowledge from bioinformatics data. Introduction to Machine Learning is a comprehensive textbook on the subject, covering a broad array of topics not usually included in introductory machine learning texts. Subjects include supervised learning; Bayesian decision theory; parametric, semi-parametric, and nonparametric methods; multivariate analysis; hidden Markov models; reinforcement learning; kernel machines; graphical models; Bayesian estimation; and statistical testing.Machine learning is rapidly becoming a skill that computer science students must master before graduation. The third edition of Introduction to Machine Learning reflects this shift, with added support for beginners, including selected solutions for exercises and additional example data sets (with code available online). Other substantial changes include discussions of outlier detection; ranking algorithms for perceptrons and support vector machines; matrix decomposition and spectral methods; distance estimation; new kernel algorithms; deep learning in multilayered perceptrons; and the nonparametric approach to Bayesian methods. All learning algorithms are explained so that students can easily move from the equations in the book to a computer program. The book can be used by both advanced undergraduates and graduate students. It will also be of interest to professionals who are concerned with the application of machine learning methods., Kindle Edition, Ausgabe: 3, Format: Kindle eBook, Label: The MIT Press, The MIT Press, Produktgruppe: eBooks, Publiziert: 2014-08-22, Freigegeben: 2014-08-22, Studio: The MIT Press, Verkaufsrang: 958661.
The goal of machine learning is to program computers to use example data or past experience to solve a given problem. Many successful applications of machine learning exist already, including systems that analyze past sales data to predict customer behavior, optimize robot behavior so that a task can be completed using minimum resources, and extract knowledge from bioinformatics data. Introduction to Machine Learning is a comprehensive textbook on the subject, covering a broad array of topics not usually included in introductory machine learning texts. Subjects include supervised learning; Bayesian decision theory; parametric, semi-parametric, and nonparametric methods; multivariate analysis; hidden Markov models; reinforcement learning; kernel machines; graphical models; Bayesian estimation; and statistical testing.Machine learning is rapidly becoming a skill that computer science students must master before graduation. The third edition of Introduction to Machine Learning reflects this shift, with added support for beginners, including selected solutions for exercises and additional example data sets (with code available online). Other substantial changes include discussions of outlier detection; ranking algorithms for perceptrons and support vector machines; matrix decomposition and spectral methods; distance estimation; new kernel algorithms; deep learning in multilayered perceptrons; and the nonparametric approach to Bayesian methods. All learning algorithms are explained so that students can easily move from the equations in the book to a computer program. The book can be used by both advanced undergraduates and graduate students. It will also be of interest to professionals who are concerned with the application of machine learning methods., Kindle Edition, Ausgabe: 3, Format: Kindle eBook, Label: The MIT Press, The MIT Press, Produktgruppe: eBooks, Publiziert: 2014-08-22, Freigegeben: 2014-08-22, Studio: The MIT Press, Verkaufsrang: 958661.
8
Introduction to Machine Learning (Adaptive Computation and Machine Learning series) (2014)
EN NW EB DLISBN: 9780262325752 bzw. 0262325756, in Englisch, 640 Seiten, 3. Ausgabe, The MIT Press, neu, E-Book, elektronischer Download.
Lieferung aus: Deutschland, E-Book zum Download, Versandkostenfrei.
The goal of machine learning is to program computers to use example data or past experience to solve a given problem. Many successful applications of machine learning exist already, including systems that analyze past sales data to predict customer behavior, optimize robot behavior so that a task can be completed using minimum resources, and extract knowledge from bioinformatics data. Introduction to Machine Learning is a comprehensive textbook on the subject, covering a broad array of topics not usually included in introductory machine learning texts. Subjects include supervised learning; Bayesian decision theory; parametric, semi-parametric, and nonparametric methods; multivariate analysis; hidden Markov models; reinforcement learning; kernel machines; graphical models; Bayesian estimation; and statistical testing.Machine learning is rapidly becoming a skill that computer science students must master before graduation. The third edition of Introduction to Machine Learning reflects this shift, with added support for beginners, including selected solutions for exercises and additional example data sets (with code available online). Other substantial changes include discussions of outlier detection; ranking algorithms for perceptrons and support vector machines; matrix decomposition and spectral methods; distance estimation; new kernel algorithms; deep learning in multilayered perceptrons; and the nonparametric approach to Bayesian methods. All learning algorithms are explained so that students can easily move from the equations in the book to a computer program. The book can be used by both advanced undergraduates and graduate students. It will also be of interest to professionals who are concerned with the application of machine learning methods., Kindle Edition, Ausgabe: 3, Format: Kindle eBook, Label: The MIT Press, The MIT Press, Produktgruppe: eBooks, Publiziert: 2014-08-22, Freigegeben: 2014-08-22, Studio: The MIT Press, Verkaufsrang: 413455.
The goal of machine learning is to program computers to use example data or past experience to solve a given problem. Many successful applications of machine learning exist already, including systems that analyze past sales data to predict customer behavior, optimize robot behavior so that a task can be completed using minimum resources, and extract knowledge from bioinformatics data. Introduction to Machine Learning is a comprehensive textbook on the subject, covering a broad array of topics not usually included in introductory machine learning texts. Subjects include supervised learning; Bayesian decision theory; parametric, semi-parametric, and nonparametric methods; multivariate analysis; hidden Markov models; reinforcement learning; kernel machines; graphical models; Bayesian estimation; and statistical testing.Machine learning is rapidly becoming a skill that computer science students must master before graduation. The third edition of Introduction to Machine Learning reflects this shift, with added support for beginners, including selected solutions for exercises and additional example data sets (with code available online). Other substantial changes include discussions of outlier detection; ranking algorithms for perceptrons and support vector machines; matrix decomposition and spectral methods; distance estimation; new kernel algorithms; deep learning in multilayered perceptrons; and the nonparametric approach to Bayesian methods. All learning algorithms are explained so that students can easily move from the equations in the book to a computer program. The book can be used by both advanced undergraduates and graduate students. It will also be of interest to professionals who are concerned with the application of machine learning methods., Kindle Edition, Ausgabe: 3, Format: Kindle eBook, Label: The MIT Press, The MIT Press, Produktgruppe: eBooks, Publiziert: 2014-08-22, Freigegeben: 2014-08-22, Studio: The MIT Press, Verkaufsrang: 413455.
9
Introduction to Machine Learning
~EN NW EB DLISBN: 9780262325752 bzw. 0262325756, vermutlich in Englisch, The MIT Press, neu, E-Book, elektronischer Download.
Lieferung aus: Deutschland, Free shipping.
Introduction to Machine Learning: The goal of machine learning is to program computers to use example data or past experience to solve a given problem. Many successful applications of machine learning exist already, including systems that analyze past sales data to predict customer behavior, optimize robot behavior so that a task can be completed using minimum resources, and extract knowledge from bioinformatics data. Introduction to Machine Learning is a comprehensive textbook on the subject, covering a broad array of topics not usually included in introductory machine learning texts. Subjects include supervised learning Bayesian decision theory parametric, semi-parametric, and nonparametric methods multivariate analysis hidden Markov models reinforcement learning kernel machines graphical models Bayesian estimation and statistical testing.Machine learning is rapidly becoming a skill that computer science students must master before graduation. The third edition of Introduction to Machine Learning reflects this shift, with added support for beginners, including selected solutions for exercises and additional example data sets (with code available online). Other substantial changes include discussions of outlier detection ranking algorithms for perceptrons and support vector machines matrix decomposition and spectral methods distance estimation new kernel algorithms deep learning in multilayered perceptrons and the nonparametric approach to Bayesian methods. All learning algorithms are explained so that students can easily move from the equations in the book to a computer program. The book can be used by both advanced undergraduates and graduate students. It will also be of interest to professionals who are concerned with the application of machine learning methods. Englisch, Ebook.
Introduction to Machine Learning: The goal of machine learning is to program computers to use example data or past experience to solve a given problem. Many successful applications of machine learning exist already, including systems that analyze past sales data to predict customer behavior, optimize robot behavior so that a task can be completed using minimum resources, and extract knowledge from bioinformatics data. Introduction to Machine Learning is a comprehensive textbook on the subject, covering a broad array of topics not usually included in introductory machine learning texts. Subjects include supervised learning Bayesian decision theory parametric, semi-parametric, and nonparametric methods multivariate analysis hidden Markov models reinforcement learning kernel machines graphical models Bayesian estimation and statistical testing.Machine learning is rapidly becoming a skill that computer science students must master before graduation. The third edition of Introduction to Machine Learning reflects this shift, with added support for beginners, including selected solutions for exercises and additional example data sets (with code available online). Other substantial changes include discussions of outlier detection ranking algorithms for perceptrons and support vector machines matrix decomposition and spectral methods distance estimation new kernel algorithms deep learning in multilayered perceptrons and the nonparametric approach to Bayesian methods. All learning algorithms are explained so that students can easily move from the equations in the book to a computer program. The book can be used by both advanced undergraduates and graduate students. It will also be of interest to professionals who are concerned with the application of machine learning methods. Englisch, Ebook.
10
Introduction to Machine Learning (2014)
EN NW EB DLISBN: 9780262325752 bzw. 0262325756, in Englisch, MIT Press, Vereinigte Staaten von Amerika, neu, E-Book, elektronischer Download.
Lieferung aus: Deutschland, Versandkostenfrei, Download.
Die Beschreibung dieses Angebotes ist von geringer Qualität oder in einer Fremdsprache. Trotzdem anzeigen
Die Beschreibung dieses Angebotes ist von geringer Qualität oder in einer Fremdsprache. Trotzdem anzeigen
Lade…