یادگیری ماشین در حمل و نقل: کاربردها همراه با مثال‌ها و کدها ۲۰۲۴
Machine Learning in Transportation: Applications with Examples and Codes 2024

دانلود کتاب یادگیری ماشین در حمل و نقل: کاربردها همراه با مثال‌ها و کدها ۲۰۲۴ (Machine Learning in Transportation: Applications with Examples and Codes 2024) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده	Niharika Dayyala, Nivedya Madankara Kottayi, Rajib Basu Mallick

ناشر: Walter de Gruyter GmbH & Co KG

دسته: صنایع, صنعت فناوری اطلاعات(IT), علوم اجتماعی, علوم فیزیکی, علوم کامپیوتر, کسب و کار و اقتصاد, مکانیک, مهندسی ساخت و ساز, مهندسی عمران, مهندسی مکانیک, مهندسی و فناوری, هوش مصنوعی (AI)

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار	2024
زبان	English
تعداد صفحه‌ها	170
نوع فایل	epub
حجم	8.4MB

از: قیمت اصلی 200,000 تومان بود.قیمت فعلی 129,000 تومان است.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

هوش‌مصنوعی ترجمه کالیبو

توضیحات

معرفی کتاب یادگیری ماشین در حمل و نقل: کاربردها همراه با مثال‌ها و کدها ۲۰۲۴

این کتاب خواننده را با یادگیری ماشین در حوزه‌ی حمل و نقل آشنا می‌کند. مفاهیم ساده و پیشرفته، از جمله آمار پایه، پاکسازی و آماده‌سازی داده، مصورسازی داده، تکنیک‌های داده‌کاوی نظارت‌شده و نظارت‌نشده، و همچنین متن‌کاوی را مورد بحث قرار می‌دهد. این کتاب دانشجویان را برای مدیریت داده‌ها، مصورسازی داده‌ها و استفاده از تکنیک‌های مناسب یادگیری ماشین بر روی مجموعه داده‌های حمل و نقل به منظور استخراج بینش‌های مهم آماده می‌سازد.

فهرست کتاب:

۱. صفحه عنوان

۲. حق تکثیر

۳. فهرست مطالب

۴. فصل ۱ مقدمه‌ای بر یادگیری ماشین

۵. فصل ۲ اقدامات مقدماتی برای یادگیری ماشین

۶. فصل ۳ ارزیابی عملکرد پیش‌بینی

۷. فصل ۴ مدل‌های یادگیری نظارت شده

۸. فصل ۵ مدل یادگیری نظارت نشده

۹. فصل ۶ یادگیری عمیق

۱۰. فصل ۷ متن‌کاوی

۱۱. نمایه

توضیحات(انگلیسی)

The book introduces the reader to machine learning in transportation. It discusses both simple and advanced concepts including core statistics, data wrangling, data visualization, supervised and unsupervised datamining techniques as well as text mining. The book prepares students to manage data, visualize data and apply appropriate machine learning techniques on transportation datasets to derive important insights.