Ocena:
Książka „MATLAB for Machine Learning” stanowi kompleksowe wprowadzenie do uczenia maszynowego przy użyciu MATLAB, odpowiednie zarówno dla początkujących, jak i doświadczonych użytkowników. Obejmuje podstawowe tematy, w tym klasyfikację, regresję, grupowanie, sieci neuronowe i różne praktyczne zastosowania z jasnymi wyjaśnieniami i przykładami.
Zalety:⬤ Łatwy do naśladowania z jasnymi wyjaśnieniami.
⬤ Obejmuje szeroki zakres tematów i zastosowań uczenia maszynowego.
⬤ Zawiera praktyczne przykłady i scenariusze przypadków.
⬤ Odpowiedni zarówno dla początkujących, jak i osób z doświadczeniem w MATLABie.
⬤ Wprowadza zaawansowane koncepcje, takie jak głębokie uczenie i sieci neuronowe.
⬤ Wymaga podstawowej wiedzy programistycznej, aby rozpocząć.
⬤ Ograniczona liczba dostępnych zasobów uczenia maszynowego specyficznych dla MATLAB.
(na podstawie 4 opinii czytelników)
MATLAB for Machine Learning - Second Edition: Unlock the power of deep learning for swift and enhanced results
Opanuj narzędzia MATLAB do tworzenia aplikacji uczenia maszynowego poprzez efektywne pisanie kodu, kierując się praktycznymi przykładami pokazującymi wszechstronność uczenia maszynowego w rzeczywistych aplikacjach Kluczowe cechy Pracuj z MATLAB Machine Learning Toolbox, aby zaimplementować różnorodne algorytmy uczenia maszynowego Oceniaj, wdrażaj i operacjonalizuj swoje niestandardowe modele, włączając wykrywanie błędów i monitorowanie potoku Odkryj skuteczne podejścia do głębokiego uczenia dla wizji komputerowej, analizy szeregów czasowych i prognozowania Zakup książki drukowanej lub Kindle zawiera bezpłatny eBook PDF Opis książki
Odkryj, dlaczego środowisko programistyczne MATLAB jest wysoce preferowane przez naukowców i ekspertów matematycznych do uczenia maszynowego dzięki temu przewodnikowi, który został zaprojektowany w celu zwiększenia biegłości zarówno w uczeniu maszynowym, jak i głębokim uczeniu przy użyciu MATLAB, torując drogę do zaawansowanych aplikacji.
Poruszając się po wszechstronnych narzędziach uczenia maszynowego w środowisku MATLAB, nauczysz się płynnie współdziałać z obszarem roboczym. Następnie przejdziesz do oczyszczania danych, eksploracji danych i analizy różnych typów danych w uczeniu maszynowym oraz wizualizacji wartości danych na wykresie. W miarę postępów poznasz różne techniki klasyfikacji i regresji, umiejętnie stosując je za pomocą funkcji MATLAB.
Ta książka uczy podstaw sieci neuronowych, prowadząc przez dopasowywanie danych, rozpoznawanie wzorców i analizę klastrów. Poznasz również techniki wyboru i ekstrakcji cech w celu poprawy wydajności poprzez redukcję wymiarowości. Wreszcie, wykorzystasz narzędzia MATLAB do głębokiego uczenia się i zarządzania splotowymi sieciami neuronowymi.
Pod koniec książki będziesz w stanie połączyć to wszystko razem, stosując główne algorytmy uczenia maszynowego w rzeczywistych scenariuszach. Czego się nauczysz Odkryj różne sposoby przekształcania danych w cenne spostrzeżenia Poznaj różne rodzaje technik regresji Zrozum podstawy klasyfikacji za pomocą Naive Bayes i drzew decyzyjnych Użyj klastrowania do grupowania danych w oparciu o miary podobieństwa Wykonaj dopasowanie danych, rozpoznawanie wzorców i analizę klastrów Zaimplementuj selekcję i ekstrakcję cech w celu redukcji wymiarowości Wykorzystaj narzędzia MATLAB do eksploracji głębokiego uczenia się Dla kogo jest ta książka?
Ta książka jest przeznaczona dla inżynierów ML, naukowców zajmujących się danymi, inżynierów DL i inżynierów CV / NLP, którzy chcą używać MATLAB do uczenia maszynowego i głębokiego uczenia się. Aby rozpocząć, konieczne jest podstawowe zrozumienie koncepcji programowania. Spis treści Odkrywanie MATLAB-a do uczenia maszynowego Praca z danymi w MATLAB-ie Przewidywanie z wykorzystaniem klasyfikacji i regresji Analiza klastrów i redukcja wymiarowości Wprowadzenie do sztucznych sieci neuronowych Modelowanie głębokiego uczenia i konwolucyjnych sieci neuronowych Przetwarzanie języka naturalnego z wykorzystaniem MATLAB-a MATLAB do przetwarzania obrazów i wizji komputerowej Analiza szeregów czasowych i prognozowanie z MATLAB-em Narzędzia MATLAB-a do systemów rekomendacji Wykrywanie anomalii w MATLAB-ie
