Oryginalny tytuł:
MATLAB Machine Learning Recipes: A Problem-Solution Approach
Zawartość książki:
Wykorzystaj moc MATLABa do rozwiązywania szerokiego zakresu wyzwań związanych z uczeniem maszynowym. To nowe i zaktualizowane trzecie wydanie zawiera przykłady technologii krytycznych dla uczenia maszynowego. Każdy przykład rozwiązuje rzeczywisty problem, a cały dostarczony kod jest wykonywalny. Można łatwo wyszukać konkretny problem i postępować zgodnie z krokami w rozwiązaniu.
Ta książka ma coś dla każdego zainteresowanego uczeniem maszynowym. Zawiera również materiał, który pozwoli osobom zainteresowanym innymi obszarami technologicznymi zobaczyć, w jaki sposób uczenie maszynowe i MATLAB mogą pomóc im w rozwiązywaniu problemów w ich obszarach specjalizacji. Rozdział poświęcony reprezentacji danych i grafice MATLAB zawiera nowe typy danych i dodatkowe grafiki. W rozdziałach poświęconych logice rozmytej, prostym sieciom neuronowym i autonomicznej jeździe dodano nowe przykłady. Pojawił się także nowy rozdział dotyczący określania położenia statku kosmicznego przy użyciu sieci neuronowych. Autorzy Michael Paluszek i Stephanie Thomas pokazują, jak wszystkie te technologie pozwalają tworzyć zaawansowane aplikacje do rozwiązywania problemów z rozpoznawaniem wzorców, autonomiczną jazdą, systemami eksperckimi i wieloma innymi.
Czego się nauczysz
⬤ Pisać kod dla uczenia maszynowego, sterowania adaptacyjnego i estymacji przy użyciu MATLAB.
⬤ Wykorzystanie narzędzi graficznych i wizualizacyjnych MATLAB do uczenia maszynowego.
⬤ Zapoznanie się z sieciami neuronowymi.
⬤ Budowanie systemów eksperckich.
⬤ Zrozumienie sterowania adaptacyjnego.
⬤ Zdobyć wiedzę na temat filtrów Kalmana.
Dla kogo jest ta książka
Inżynierowie oprogramowania, inżynierowie sterowania, wykładowcy uniwersyteccy, studenci studiów licencjackich i magisterskich, hobbyści.
