جلد سخت سیاه و سفید
Product details
- Publisher : Wiley; 1st edition (January 6, 2022)
- Language : English
- Hardcover : 592 pages
- ISBN-10 : 1119716748
- ISBN-13 : 978-1119716747
کتاب Informatics and Machine Learning: From Martingales to Metaheuristics
Informatics and Machine Learning
Discover a thorough exploration of how to use computational, algorithmic, statistical, and informatics methods to analyze digital data
Informatics and Machine Learning: From Martingales to Metaheuristics delivers an interdisciplinary presentation on how analyze any data captured in digital form. The book describes how readers can conduct analyses of text, general sequential data, experimental observations over time, stock market and econometric histories, or symbolic data, like genomes. It contains large amounts of sample code to demonstrate the concepts contained within and assist with various levels of project work.
The book offers a complete presentation of the mathematical underpinnings of a wide variety of forms of data analysis and provides extensive examples of programming implementations. It is based on two decades worth of the distinguished author’s teaching and industry experience.
- A thorough introduction to probabilistic reasoning and bioinformatics, including Python shell scripting to obtain data counts, frequencies, probabilities, and anomalous statistics, or use with Bayes’ rule
- An exploration of information entropy and statistical measures, including Shannon entropy, relative entropy, maximum entropy (maxent), and mutual information
- A practical discussion of ad hoc, ab initio, and bootstrap signal acquisition methods, with examples from genome analytics and signal analytics
Perfect for undergraduate and graduate students in machine learning and data analytics programs, Informatics and Machine Learning: From Martingales to Metaheuristics will also earn a place in the libraries of mathematicians, engineers, computer scientists, and life scientists with an interest in those subjects.
منابع کتاب کتاب Informatics and Machine Learning: From Martingales to Metaheuristics
انفورماتیک و یادگیری ماشین
کشف کامل نحوه استفاده از روش های محاسباتی، الگوریتمی، آماری و انفورماتیک برای تجزیه و تحلیل داده های دیجیتال
انفورماتیک و یادگیری ماشین: از Martingales تا Metaheuristics ارائه‌ای بین رشته‌ای در مورد نحوه تجزیه و تحلیل هر داده‌ای که به شکل دیجیتال گرفته شده است، ارائه می‌کند. این کتاب توضیح می‌دهد که چگونه خوانندگان می‌توانند تجزیه و تحلیل متن، داده‌های متوالی کلی، مشاهدات تجربی در طول زمان، تاریخ‌های بازار سهام و اقتصادسنجی، یا داده‌های نمادین، مانند ژنوم‌ها را انجام دهند. این شامل مقادیر زیادی کد نمونه برای نشان دادن مفاهیم موجود در داخل و کمک به سطوح مختلف کار پروژه است.
این کتاب ارائه کاملی از زیربنای ریاضی انواع گسترده ای از اشکال تجزیه و تحلیل داده ها را ارائه می دهد و نمونه های گسترده ای از پیاده سازی برنامه نویسی را ارائه می دهد. این بر اساس دو دهه تجربه تدریس و صنعت نویسنده برجسته است.
- مقدمه ای کامل بر استدلال احتمالی و بیوانفورماتیک، از جمله اسکریپت نویسی پوسته پایتون برای به دست آوردن تعداد داده ها، فرکانس ها، احتمالات و آمارهای غیرعادی، یا استفاده از قانون بیز
- بررسی آنتروپی اطلاعات و معیارهای آماری، از جمله آنتروپی شانون، آنتروپی نسبی، حداکثر آنتروپی (maxent)، و اطلاعات متقابل
- بحثی عملی در مورد روش‌های کسب سیگنال موقت، از ابتدا و بوت استرپ، با مثال‌هایی از تجزیه و تحلیل ژنوم و آنالیز سیگنال
ایده آل برای دانشجویان کارشناسی و کارشناسی ارشد در برنامه های یادگیری ماشین و تجزیه و تحلیل داده ها، انفورماتیک و یادگیری ماشین: از Martingales تا Metaheuristics همچنین جایگاهی را در کتابخانه های ریاضیدانان، مهندسان، دانشمندان کامپیوتر و دانشمندان علوم زیستی با علاقه به این موضوعات به دست خواهد آورد.
ارسال نظر درباره کتاب Informatics and Machine Learning: From Martingales to Metaheuristics