Avis des lecteurs
Résumé:Le livre a reçu des critiques négatives de la part des utilisateurs, principalement en raison de la mauvaise qualité de l'écriture, du manque de contenu original et de la faible qualité du matériel. De nombreux lecteurs l'ont trouvé difficile à comprendre et ont critiqué le fait qu'il s'appuie sur des sources en ligne sans explications ou théories adéquates. Dans l'ensemble, il est considéré comme ne valant pas l'investissement.
Avantages:Certains utilisateurs ont noté que le livre fournit des étapes claires pour la mise en œuvre d'algorithmes d'apprentissage profond avec MATLAB.
Inconvénients:Le livre présente un anglais approximatif et une mauvaise grammaire, ce qui le rend difficile à comprendre. De nombreux évaluateurs l'ont trouvé peu original, rempli de contenu copié à partir de sources en ligne, et ont critiqué la faible qualité de l'impression et la présence de nombreuses erreurs dans le code MATLAB et les figures.
(basé sur 7 avis de lecteurs)
Titre original :
A Practical Approach for Machine Learning and Deep Learning Algorithms
Contenu du livre :
S'impliquer dans l'apprentissage automatique
Caractéristiques principales Apprentissage automatique dans MATLAB à l'aide de concepts et d'algorithmes de base. Algorithmes d'apprentissage automatique dans un langage simple à l'aide du code MATLAB. Dérivation et accès aux données dans MATLAB et ensuite, prétraitement et préparation des données. Flux de travail de l'apprentissage automatique pour la surveillance de la santé. Le domaine des réseaux neuronaux et leur mise en œuvre dans MATLAB avec une explication explicite du code et des résultats. Comment améliorer un modèle prédictif à l'aide de MATLAB ? Code MATLAB pour l'implémentation d'un algorithme, plutôt que pour une formule mathématique. Flux de travail de l'apprentissage automatique pour la surveillance de la santé.
Description de l'application
L'apprentissage automatique est surtout recherché dans le domaine de la recherche et fait aujourd'hui partie intégrante de nombreux projets de recherche, y compris les applications commerciales et la recherche universitaire. Les applications de l'apprentissage automatique vont de la recherche d'amis sur les sites de réseaux sociaux au diagnostic médical, en passant par le traitement des données satellitaires. Dans ce livre, nous nous sommes efforcés de rendre les concepts de l'apprentissage automatique faciles à comprendre et de fournir des programmes de base en MATLAB dès la phase d'installation. Bien que les applications en temps réel de l'apprentissage automatique soient infinies, les concepts et algorithmes de base sont abordés à l'aide du langage MATLAB afin que non seulement les étudiants en fin d'études, mais aussi les chercheurs, puissent en bénéficier.
Ce que vous apprendrez
Pré-requis à l'apprentissage automatique Trouver des modèles naturels dans les données Construire des méthodes de classification Pré-traitement des données en Python Construire des modèles de régression Créer des réseaux neuronaux Apprentissage profond
À qui s'adresse ce livre ?
Ce livre est essentiellement destiné aux étudiants de troisième cycle et aux chercheurs qui trouvent que les algorithmes d'apprentissage automatique sont difficiles à mettre en œuvre. Nous avons abordé tous les algorithmes de base de l'apprentissage automatique en détail avec une approche pratique. Les débutants trouveront ce livre plus efficace car les chapitres sont subdivisés de manière à ce qu'ils trouvent la construction et l'implémentation d'algorithmes dans MATLAB intéressantes et faciles à la fois.
Table des matières
Introduction à l'apprentissage automatique Recherche de motifs naturels dans les données Construction de méthodes de classification Pré-traitement des données en Python Construction de modèles de régression Création de réseaux neuronaux Introduction à l'apprentissage profond
A propos de l'auteur
Abhishek Kumar Pandey poursuit son doctorat en informatique et a fait un M. Tech en informatique et ingénierie. Il travaille comme professeur adjoint d'informatique à l'Aryabhatt Engineering College and Research center, Ajmer, et est également professeur invité à l'Université gouvernementale MDS Ajmer.
Pramod Singh Rathore poursuit son doctorat en informatique et ingénierie et a fait un M. Tech. Il travaille comme professeur adjoint d'informatique à l'Aryabhatt Engineering College and Research centre, Ajmer, et comme professeur invité à l'université gouvernementale MDS Ajmer.
Le Dr S. Balamurugan est responsable de la recherche et du développement chez Quants IS & CS, en Inde. Il était auparavant directeur de la recherche et du développement chez Mindnotix Technologies, en Inde. Il est l'auteur ou le co-auteur de 33 livres et a publié 200 articles dans diverses revues et conférences internationales.
Autres informations sur le livre :
| ISBN : | 9789388511131 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
