Sale
ریاضیات مهندسی و هوش مصنوعی: مبانی، روشها و کاربردها ۲۰۲۳
Engineering Mathematics and Artificial Intelligence: Foundations, Methods, and Applications 2023
دانلود کتاب ریاضیات مهندسی و هوش مصنوعی: مبانی، روشها و کاربردها ۲۰۲۳ (Engineering Mathematics and Artificial Intelligence: Foundations, Methods, and Applications 2023) با لینک مستقیم و فرمت pdf (پی دی اف)
| نویسنده |
Herb Kunze, Davide La Torre, Adam Riccoboni, Manuel Ruiz Galán |
|---|
ناشر:
CRC Press
۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید
| سال انتشار |
2023 |
|---|---|
| زبان |
English |
| تعداد صفحهها |
529 |
| نوع فایل |
|
| حجم |
42.0MB |
🏷️ قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
هوشمصنوعی ترجمه کالیبو
توضیحات
معرفی کتاب ریاضیات مهندسی و هوش مصنوعی: مبانی، روشها و کاربردها ۲۰۲۳
هوش مصنوعی (AI) و یادگیری ماشین (ML) در سالهای اخیر رشد چشمگیری داشتهاند و طیف وسیعی از کاربردهای موفقیتآمیز و چشمگیر را به نمایش گذاشتهاند. این کتاب منبعی کلیدی برای علاقهمندان به پیوند بین ریاضیات و هوش مصنوعی/یادگیری ماشین است و مروری بر جریانهای تحقیقاتی کنونی ارائه میدهد.
*ریاضیات مهندسی و هوش مصنوعی: مبانی، روشها و کاربردها* به بررسی نظریه پشت یادگیری ماشین میپردازد و نشان میدهد چگونه میتوان از ریاضیات در هوش مصنوعی استفاده کرد. این کتاب نشان میدهد که چگونه میتوان با استفاده از ریاضیات پیشرفته، الگوریتمهای موجود را بهبود بخشید و فناوریهای پیشرفته هوش مصنوعی را ارائه میدهد. در ادامه، کتاب به این موضوع میپردازد که چگونه یادگیری ماشین میتواند از مدلسازی ریاضی پشتیبانی کند و چگونه میتوان با استفاده از شبکههای عصبی مصنوعی، دادهها را شبیهسازی کرد. ادغام آینده بین یادگیری ماشین و تکنیکهای پیچیده ریاضی نیز در این کتاب مورد توجه قرار گرفته است.
این کتاب برای محققان، متخصصان، مهندسان و مشاوران هوش مصنوعی نوشته شده است.
فهرست کتاب:
۱. صفحه روی جلد
۲. صفحه عنوان فرعی
۳. صفحه مجموعه
۴. صفحه عنوان
۵. صفحه حق چاپ
۶. فهرست
۷. پیشگفتار
۸. ویراستاران
۹. مشارکتکنندگان
۱۰. فصل ۱ بهینهسازی چندهدفه: یک مرور کلی
۱۱. فصل ۲ مسائل معکوس
۱۲. فصل ۳ درخت تصمیم برای طبقهبندی و پیشبینی
۱۳. فصل ۴ مروری بر مباحث برگزیده در محاسبات کوانتومی و برخی ارتباطات با یادگیری ماشین
۱۴. فصل ۵ مدلهای تنک برای یادگیری ماشین
۱۵. فصل ۶ قابلیت تفسیر در یادگیری ماشین
۱۶. فصل ۷ کلان داده: مفاهیم، تکنیکها و ملاحظات
۱۷. فصل ۸ ماشینی با چهرههای بسیار: در مورد مسئله رابط در هوش مصنوعی و ابزارهایی از تجربه کاربری
۱۸. فصل ۹ فناوریها و پلتفرمهای هوش مصنوعی
۱۹. فصل ۱۰ شبکههای عصبی مصنوعی
۲۰. فصل ۱۱ بهینهسازی چندمعیاره در یادگیری عمیق
۲۱. فصل ۱۲ پردازش زبان طبیعی: روشها و چالشهای کنونی
۲۲. فصل ۱۳ هوش مصنوعی و تصویربرداری در سنجش از دور
۲۳. فصل ۱۴ هوش مصنوعی در کشاورزی
۲۴. فصل ۱۵ هوش مصنوعی و تصویربرداری سرطان
۲۵. فصل ۱۶ هوش مصنوعی در تجارت الکترونیک: از آمازون و تیکتاک، GPT-۳ و LaMDA، تا متاورس و فراتر از آن
۲۶. فصل ۱۷ دشواریهای پردازش زبان طبیعی بالینی
۲۷. فصل ۱۸ رشد سبز فراگیر در کشورهای OECD: بینشی از تکنیکهای منظمسازی لاسو و استنباطی
۲۸. فصل ۱۹ ارزیابی کیفیت تصاویر پزشکی
۲۹. فصل ۲۰ ایمنسازی مدلهای یادگیری ماشین: مفاهیم و مسائل باز
۳۰. نمایه
توضیحات(انگلیسی)
The fields of Artificial Intelligence (AI) and Machine Learning (ML) have grown dramatically in recent years, with an increasingly impressive spectrum of successful applications. This book represents a key reference for anybody interested in the intersection between mathematics and AI/ML and provides an overview of the current research streams.
Engineering Mathematics and Artificial Intelligence: Foundations, Methods, and Applications discusses the theory behind ML and shows how mathematics can be used in AI. The book illustrates how to improve existing algorithms by using advanced mathematics and offers cutting-edge AI technologies. The book goes on to discuss how ML can support mathematical modeling and how to simulate data by using artificial neural networks. Future integration between ML and complex mathematical techniques is also highlighted within the book.
This book is written for researchers, practitioners, engineers, and AI consultants.
Table of Contents
1. Cover Page
2. Half-Title Page
3. Series Page
4. Title Page
5. Copyright Page
6. Contents
7. Preface
8. Editors
9. Contributors
10. Chapter 1 Multiobjective Optimization: An Overview
11. Chapter 2 Inverse Problems
12. Chapter 3 Decision Tree for Classification and Forecasting
13. Chapter 4 A Review of Choice Topics in Quantum Computing and Some Connections with Machine Learning
14. Chapter 5 Sparse Models for Machine Learning
15. Chapter 6 Interpretability in Machine Learning
16. Chapter 7 Big Data: Concepts, Techniques, and Considerations
17. Chapter 8 A Machine of Many Faces: On the Issue of Interface in Artificial Intelligence and Tools from User Experience
18. Chapter 9 Artificial Intelligence Technologies and Platforms
19. Chapter 10 Artificial Neural Networks
20. Chapter 11 Multicriteria Optimization in Deep Learning
21. Chapter 12 Natural Language Processing: Current Methods and Challenges
22. Chapter 13 AI and Imaging in Remote Sensing
23. Chapter 14 AI in Agriculture
24. Chapter 15 AI and Cancer Imaging
25. Chapter 16 AI in Ecommerce: From Amazon and TikTok, GPT-3 and LaMDA, to the Metaverse and Beyond
26. Chapter 17 The Difficulties of Clinical NLP
27. Chapter 18 Inclusive Green Growth in OECD Countries: Insight from the Lasso Regularization and Inferential Techniques
28. Chapter 19 Quality Assessment of Medical Images
29. Chapter 20 Securing Machine Learning Models: Notions and Open Issues
30. Index
دیگران دریافت کردهاند
✨ ضمانت تجربه خوب مطالعه
بازگشت کامل وجه
در صورت مشکل، مبلغ پرداختی بازگردانده می شود.
دانلود پرسرعت
دانلود فایل کتاب با سرعت بالا
ارسال فایل به ایمیل
دانلود مستقیم به همراه ارسال فایل به ایمیل.
پشتیبانی ۲۴ ساعته
با چت آنلاین و پیامرسان ها پاسخگو هستیم.
ضمانت کیفیت کتاب
کتاب ها را از منابع معتیر انتخاب می کنیم.
