Odwiedzając naszą witrynę, użytkownik wyraża zgodę na polityka prywatności dotyczące plików cookie, śledzenia statystyk itp.

Uczenie maszynowe

Moduł ten bada uczenie maszynowe, koncentrując się na algorytmach i modelach, które umożliwiają komputerom uczenie się na podstawie danych i podejmowanie na ich podstawie decyzji lub prognoz. Obejmuje on nadzorowane, nienadzorowane i wzmacniające techniki uczenia się, wraz z praktycznymi zastosowaniami w obszarach takich jak rozpoznawanie obrazów, przetwarzanie języka naturalnego i analizy predykcyjne.

Portal > Sztuczna inteligencja > Uczenie maszynowe

Kreator programów nauczania

Wyświetlanie programu nauczania

Sutton, Richard S. i Andrew G. Barto. Reinforcement Learning: An Introduction. Wydanie drugie. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Barber, David. Bayesian Reasoning and Machine Learning. 1st ed. Cambridge University Press, 2012.

https://doi.org/10.1017/CBO9780511804779

MacKay, David J.C. Information Theory, Inference, and Learning Algorithms. Cambridge University Press, 2003.

Bishop, Christopher M. Rozpoznawanie wzorców i uczenie maszynowe. Information Science and Statistics. New York: Springer, 2006.

Mohri, Mehryar, Afshin Rostamizadeh i Ameet Talwalkar. "Introduction." W Foundations of Machine Learning, 504. The MIT Press, 2018.

https://mitpress.mit.edu/9780262039406/foundations-of-machine-learning/

Murphy, Kevin P. "Rozdział 24: Wnioskowanie w oparciu o łańcuch Markowa Monte Carlo (MCMC)" i "Rozdział 25: Clustering." W Machine Learning A Probabilistic Perspective. London, England: The MIT Press, 2012.

Wyner, Abraham J., Matthew Olson, Justin Bleich i David Mease. "Explaining the Success of AdaBoost and Random Forests as Interpolating Classifiers." arXiv, 29 kwietnia 2017 r.

http://arxiv.org/abs/1504.07676

Hastie, Trevor, Robert Tibshirani i Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. Springer Series in Statistics. New York, NY: Springer New York, 2009.

https://doi.org/10.1007/978-0-387-84858-7

Wasserman, Larry. All of Statistics: Zwięzły kurs wnioskowania statystycznego. Springer Texts in Statistics. New York, NY: Springer New York, 2004.

https://doi.org/10.1007/978-0-387-21736-9

Dziękujemy za zapisanie się do naszego newslettera!

Dziękujemy! RSVP received for Sutton, Richard S., and Andrew G. Barto. Reinforcement Learning: An Introduction. Wydanie drugie. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Sutton, Richard S. i Andrew G. Barto. Reinforcement Learning: An Introduction. Wydanie drugie. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Ładowanie...

Ładowanie...